We describe a framework incorporating straightforward biochemical and computational analysis to guide the characterization and crystallization of large coiled-coil domains. This framework can be adapted for globular proteins or extended to incorporate a variety of high-throughput techniques.
Obtaining crystals for structure determination can be a difficult and time consuming proposition for any protein. Coiled-coil proteins and domains are found throughout nature, however, because of their physical properties and tendency to aggregate, they are traditionally viewed as being especially difficult to crystallize. Here, we utilize a variety of quick and simple techniques designed to identify a series of possible domain boundaries for a given coiled-coil protein, and then quickly characterize the behavior of these proteins in solution. With the addition of a strongly fluorescent tag (mRuby2), protein characterization is simple and straightforward. The target protein can be readily visualized under normal lighting and can be quantified with the use of an appropriate imager. The goal is to quickly identify candidates that can be removed from the crystallization pipeline because they are unlikely to succeed, affording more time for the best candidates and fewer funds expended on proteins that do not produce crystals. This process can be iterated to incorporate information gained from initial screening efforts, can be adapted for high-throughput expression and purification procedures, and is augmented by robotic screening for crystallization.
Оборудование для определения структуры с помощью рентгеновской кристаллографии внес фундаментальный вклад в каждой области современной биологии; обеспечивая атомный вид макромолекул, которые поддерживают жизнь и как они взаимодействуют друг с другом в различных контекстах; что позволяет нам понять механизмы, которые вызывают болезни, и предоставляя возможность рационально разработать препараты для лечения болезни. Кристаллографии уже давно доминирующая экспериментальная методика определения макромолекулярной структуры, и в настоящее время составляет 89,3% от структурной базы данных (www.rcsb.org). Этот метод имеет много преимуществ, в том числе потенциал очень высокой разрешающей способности, способность визуализировать макромолекулы с широким диапазоном размеров, относительно легкого сбора данных, а также возможность представить, как макромолекула взаимодействует с растворителем, а в качестве лигандов.
Несмотря на многочисленные технологические улучшения в экспрессии рекомбинантного белка 1,2, PURфикация 3, и молекулярной биологии используются для создания этих систем 4, самым большим препятствием в процессе кристаллографической остается возможность выращивать кристаллы качества дифракции. Это особенно верно для белков, которые содержат большие домены биспиральных. Было подсчитано , что почти 5% всех аминокислот найдены в пределах намотанных катушек 5,6, что делает это очень распространенная структурная особенность 7, но эти белки часто более трудно очистить и кристаллизуются , чем глобулярных белков 8-10 , Это дополнительно усугубляется тем, что биспиральных домены часто встречаются в контексте более крупного белка, поэтому правильно предсказывать границы этих областей имеет решающее значение, чтобы избежать включения неструктурированной или гибкой последовательности, которая часто вредно для кристаллизации.
Здесь мы представляем концептуальную основу объединения веб-вычислительный анализ с experimentaл данные со скамейки, чтобы помочь пользователям через направляющие на начальных этапах кристаллографической процесса, включая: как выбрать фрагмент белка (ов) для структурных исследований, а также как подготовить и охарактеризовать образцы белка до попыток кристаллизации. Мы фокусируем наш анализ на двух белков, содержащих большие домены биспиральных, Shroom (ШРМ) и Rho-киназы (Rock). Эти белки были выбраны , поскольку они оба содержат домены биспиральных и , как известно, образуют биологически активные сложные 11-16. Shroom и Rho-киназы (Rock), по прогнозам, содержат ~ 200 и 680 остатков биспиральных соответственно, многие части которых были охарактеризованы структурно 17-20. Описанный здесь способ обеспечивает рационализировать рабочий процесс, чтобы быстро идентифицировать фрагменты биспиральных, содержащие белок, которые будут пригодны для кристаллизации, тем не менее, способы, описанные могут быть легко адаптированы для большинства белков или белковых комплексов или модифицированы включением высокой пропускной способностью approaчес как доступный. И, наконец, эти методы, как правило, недороги и могут быть выполнены пользователями практически на всех уровнях опыта.
Протокол, описанный здесь, предназначен, чтобы помочь пользователю определить границы доменов в пределах больших белков биспиральных для облегчения их кристаллизации. Протокол основан на целостном включение разнообразных данных из вычислительных предсказаний и других источников, ч…
The authors have nothing to disclose.
This work was supported by grant NIH R01 GM097204 (APV and JDH). Funding for JHM was supplied by an HHMI Undergraduate Research Summer Fellowship.
BL21(DE3) Rosetta | Emd Millipore | 70954-3 | |
BL21(DE3) Star | ThermoFisher Scientific | C601003 | |
BL21(DE3) Codon Plus | Agilent Technologies | 230245 | |
Lysozyme | Spectrum Chemical Mfg Corp | L3008-5GM | |
Ni-NTA resin | Life Technologies | 25216 | |
SubtilisinA | Spectrum Chemical Mfg Corp | S1211-10ML | |
24 well Cryschem Plate | Hampton research | HR3-160 | |
INTELLI-PLATE 96: | Art Robbins Instruments | 102-0001-03 | |
PEG 3350 | Hampton research | HR2-591 | |
PEG 8000 | Hampton research | HR2-515 | |
PEG 400 | Hampton research | HR2-603 | |
PEG 4000 | Hampton research | HR2-605 | |
pcDNA3.1-Clover-mRuby2 | Addgene | 49089 | |
Overnight Express Autoinduction System 1 | Emd Millipore | 71300 | |
Lysogeny Broth powder | ThermoFisher Scientific | 12795027 |