Özet

Evaluatie van het effect van eiwit aggregatie op cellulaire oxidatieve Stress in gist

Published: June 23, 2018
doi:

Özet

Eiwit aggregatie lokt cellulaire oxidatieve stress. Dit protocol wordt een methode voor de controle van de intracellulaire toestanden van eiwitten van de amyloidogenic en de oxidatieve stress geassocieerd met hen, met behulp van stroom cytometry beschreven. De aanpak wordt gebruikt voor het bestuderen van het gedrag van oplosbare en aggregatie-naar voren gebogen varianten van de amyloid-β-peptide.

Abstract

Eiwit misfolding en aggregatie in amyloïde conformaties verband met het ontstaan en de progressie van verschillende neurodegeneratieve aandoeningen. Echter, er is nog weinig bekend over hoe onoplosbaar eiwit-aggregaten oefenen hun toxische effecten in vivo. Eenvoudig model van de prokaryote en eukaryote organismen, zoals bacteriën en gist, hebben aanzienlijk bijgedragen aan onze huidige inzicht in de mechanismen achter de intracellulaire amyloïde vorming, aggregaten propagatie en toxiciteit. In dit protocol, wordt het gebruik van gist beschreven als een model om te ontleden de relatie tussen de vorming van eiwit-aggregaten en hun impact op de cellulaire oxidatieve stress. De methode combineert de detectie van de intracellulaire oplosbare/geaggregeerde staat een amyloidogenic eiwit met de kwantificering van de cellulaire oxidatieve schade ten gevolge van de expressie met behulp van stroom cytometry (FC). Deze aanpak is eenvoudig, snel en kwantitatieve. De studie illustreert de techniek door correleren de cellulaire oxidatieve stress veroorzaakt door een groot aantal amyloid-β peptide varianten met hun respectieve intrinsieke aggregatie neigingen.

Introduction

Proteostasis is een fundamentele factor voor cel processen op het gebied van fitness en veroudering. In cellen, wordt eiwit homeostase onderhouden door geavanceerde eiwit kwaliteitscontrole netwerken gericht om ervoor te zorgen dat de juiste uiteinde van misfolded eiwit conformeren van chaperones en/of hun gerichte proteolyse met verschillende goed geconserveerde mechanismen1 ,2,,3,,4,5. Een groot aantal studies verlenen steun aan het verband tussen het ontstaan en de progressie van een breed scala van ziekten bij de mens en het falen van proteostasis, wat leidt tot het eiwit misfolding en aggregatie. Bijvoorbeeld, de aanwezigheid van eiwitten deposito’s wordt beschouwd als een pathologische kenmerk van vele neurodegeneratieve ziekten, zoals Alzheimer, Parkinson, en Huntingtons ziekten6,7,8, prionogenic ziekten en niet-degeneratieve amyloidoses9. Er is gesuggereerd dat vroege oligomere en protofibrillar assemblages in de reactie van de globalisatie de belangrijkste elicitors van cytotoxiciteit zijn, tot oprichting van afwijkende interacties met andere eiwitten in de drukke mobiele milieu10. Eiwit insluitsels (PI) kunnen bovendien worden overgebracht tussen cellen, teeltmateriaal hun toxisch effect11,12. Dus zou kunnen het zijn dat de vorming van PI inderdaad een ontgiftende mechanisme dat de aanwezigheid van gevaarlijke geaggregeerde soorten tot specifieke locaties in de cel beperkt, waar ze kunnen worden verwerkt of verzameld zonder belangrijke bijwerkingen kan inhouden 13 , 14.

Standaard in vitro biochemische benaderingen hebben belangrijke inzichten in de verschillende soorten die aggregatie reacties en hun eigenschappen15,16 bevolkenverstrekt. De voorwaarden gebruikt in deze tests zijn echter duidelijk anders dan die welke voorkomen in de cel en, dus, vraag hun fysiologische relevantie. Vanwege de opmerkelijke behoud van cellulaire routes zoals de controle van de kwaliteit van het eiwit, autophagy of de regulering van de cellulaire redox staat17,18 onder eukaryoten19,20,21 ,22,23, de ontluikende gist Saccharomyces cerevisiae (S. cerevisiae) heeft ontpopt als een bevoorrechte eenvoudig cellulaire model te bestuderen van de Moleculaire determinanten van aggregatie van eiwitten en het bijbehorende cytotoxisch effect ervan in biologisch relevante omgevingen24,25,26.

Eiwit aggregatie neiging is een functie die inherent gecodeerd in de primaire volgorde. Dus, kan de vorming van amyloid-achtige structuren worden voorspeld op basis van de identificatie en evaluatie van de potentie van aggregatie-bevordering van regio’s in polypeptiden27. Echter, ondanks het succes van bioinformatic algoritmen te voorspellen van de eigenschappen van aggregatie in vitro van proteïne sequenties, ze zijn nog lang niet voorspellen hoe deze neigingen vertalen naar in vivo cytotoxisch effect. Studies die betrekking hebben op het verband tussen de geaggregeerde staat van een bepaald eiwit en haar verbonden cellulaire schade op een systematische wijze kunnen bijdragen tot het omzeilen van deze beperking van computationele. Deze verbinding wordt behandeld in de huidige studie, profiteren van een groot aantal varianten van de amyloid-β peptide Aβ42 die alleen verschillen in een enkel residu, maar een doorlopend bereik van aggregatie neigingen in vivo28weergeven. In het bijzonder wordt een FC gebaseerde benadering voor het identificeren van de conformationele soorten administratieve verwerking van de oxidatieve schade door aggregatie-naar voren gebogen eiwitten in gistcellen ontlokte beschreven. De methodologie biedt vele voordelen zoals eenvoud, hoge gegevensdoorvoer vermogen en nauwkeurige kwantitatieve meting. Deze aanpak maakte het mogelijk om te bevestigen dat PI spelen een beschermende rol tegen oxidatieve stress.

Protocol

1. S. cerevisiae culturen en eiwit expressie Opmerking: Aβ varianten vertonen verschillende relatieve aggregatie neigingen als gevolg van een mutatie in een enkel residu op positie 19 (Phe19) van de Aβ42 peptide (figuur 1A). Deze peptide varianten zijn gelabeld met groen fluorescente proteïne (GFP), die als een aggregatie verslaggever (Figuur 1)29 optreedt. Transformeren plasmiden codering…

Representative Results

Dit protocol wordt beschreven hoe een collectie van 20 varianten van de Aβ42 peptide waar Phe19 heeft is gemuteerd tot en met alle natuurlijke Proteïnogeen aminozuren28in dienst. De theoretische aggregatie neigingen van deze proteïnen kunnen worden geanalyseerd met behulp van twee verschillende bioinformatic algoritmen (AGGRESCAN en TANGO31,32). In beide gevallen maakt deze analyse een progressieve grada…

Discussion

Een breed scala van ziekten is gekoppeld aan de accumulatie van misfolded eiwitten in cellulaire deposito’s6,,7,,8,33. Veel inspanningen zijn verricht om te ontrafelen van de moleculaire mechanismen die leiden het begin van deze ziekten met behulp van computationele benaderingen, die niet rekening account eiwit concentraties tot, of in vitro nadert, waarin de eiwitconcentratie blijft c…

Acknowledgements

   

Materials

Yeast cells BY4741  ATCC 201388 Genotype: MATa his3Δ1 leu2Δ0 met15Δ0 ura3Δ0
pESC(-Ura) plasmid  Agilent Genomics 217454 Yeast expression plasmid with a Gal promotor. Selectable marker URA3
Yeast Synthetic Drop-out Medium Supplements Sigma Y1501 Powder
Yeast Nitrogen Base Without Amino Acids Sigma Y0626 Powder
Raffinose Sigma R7630 Powder
Glucose Sigma G7021 Powder
Galactose Sigma G0750 Powder
Phosphate Buffered Saline (PBS) Fisher Scientific BP3991  Solution 10X
CellROX Deep Red Reagent  Life Technologies C10422 Free radical cell-permeant fluorescent sensor, non-fluorescent while in a reduced state, and exhibits bright fluorescence upon oxidation by reactive oxygen species (ROS), with absorption/emission maxima at 644/665 nm. 
Y-PER protein extraction reagent  Thermo Scientific 78990 Liquid cell lysis buffer
Acrylamide/Bis-acrylamide Sigma A6050 Solution
Bradford dye reagent Bio-Rad  5000205 Dye reagent for one-step determination of protein concentration
β-amyloid antibody 6E10  BioLegend 803001 Mouse IgG1. The epitope lies within amino acids 3-8 of beta amyloid (EFRHDS).
Goat anti-mouse IgG-HRP conjugate  Bio-Rad 1721011
Membrane Immobilon-P, PVDF Millipore IPVH00010
Luminata forte Merk WBLUF0100 Premixed, ready to use chemiluminescent HRP detection reagent
Phenylmethanesulfonyl fluoride solution (PMSF) Sigma 93482 Protease inhibitor. Dissolved at 0.1 M in ethanol
FACSCanto flow cytometer  BD Biosciences 657338 Equipped with a 488 nm blue laser for the detection of GFP, and 635 nm red laser / 530/30 nm BP filter and 660/20 BP filter
Mini Trans-Blot Electrophoresis Transfer cell Bio-Rad 1703930 Protein transference system
Mini-PROTEAN Tetra Handcast Systems Bio-Rad 1658000FC Electrophoresis system

Referanslar

  1. Frydman, J. Folding of newly translated proteins in vivo: the role of molecular chaperones. Annual Review of Biochemistry. 70, 603-647 (2001).
  2. Hartl, F. U., Bracher, A., Hayer-Hartl, M. Molecular chaperones in protein folding and proteostasis. Nature. 475, 324-332 (2011).
  3. Wong, E., et al. Molecular determinants of selective clearance of protein inclusions by autophagy. Nature Communications. 3, (2012).
  4. Winkler, J., Tyedmers, J., Bukau, B., Mogk, A. Chaperone networks in protein disaggregation and prion propagation. Journal of Structural Biology. 179, 152-160 (2012).
  5. Glickman, M. H., Ciechanover, A. The ubiquitin-proteasome proteolytic pathway: destruction for the sake of construction. Physiological Reviews. 82, 373-428 (2002).
  6. Dobson, C. M. Getting out of shape. Nature. 418, 729-730 (2002).
  7. Chiti, F., Dobson, C. M. Protein misfolding, functional amyloid, and human disease. Annual Review of Biochemistry. 75, 333-366 (2006).
  8. Aguzzi, A., O’Connor, T. Protein aggregation diseases: pathogenicity and therapeutic perspectives. Nature Reviews Drug Discovery. 9, 237-248 (2010).
  9. Rapezzi, C., et al. Transthyretin-related amyloidoses and the heart: a clinical overview. Nature Reviews Cardiology. 7, 398-408 (2010).
  10. Deas, E., et al. Alpha-synuclein oligomers interact with metal ions to induce oxidative stress and neuronal death in Parkinson’s disease. Antioxidants & Redox Signaling. 24, 376-391 (2016).
  11. Brundin, P., Melki, R., Kopito, R. Prion-like transmission of protein aggregates in neurodegenerative diseases. Nature Reviews Molecular Cell Biology. 11, 301-307 (2010).
  12. Frost, B., Diamond, M. I. Prion-like mechanisms in neurodegenerative diseases. Nature Reviews Neuroscience. 11, 155-159 (2009).
  13. Arrasate, M., Mitra, S., Schweitzer, E. S., Segal, M. R., Finkbeiner, S. Inclusion body formation reduces levels of mutant huntingtin and the risk of neuronal death. Nature. 431, 805-810 (2004).
  14. Ross, C. A., Poirier, M. A. Opinion: what is the role of protein aggregation in neurodegeneration?. Nature Reviews Molecular Cell Biology. 6, 891-898 (2005).
  15. Mishra, R., Sjölander, D., Hammarström, P. Spectroscopic characterization of diverse amyloid fibrils in vitro by the fluorescent dye Nile red. Molecular BioSystems. 7, 1232-1240 (2011).
  16. Klunk, W. E., Jacob, R. F., Mason, R. P. Quantifying amyloid by congo red spectral shift assay. Methods in Enzymology. 309, 285-305 (1999).
  17. Khurana, V., Lindquist, S. Modelling neurodegeneration in Saccharomyces cerevisiae: why cook with baker’s yeast?. Nature Reviews Neuroscience. 11, 436-449 (2010).
  18. Tenreiro, S., Outeiro, T. F. Simple is good: yeast models of neurodegeneration. FEMS Yeast Research. 10, 970-979 (2010).
  19. Moosavi, B., Mousavi, B., Macreadie, I. G. Yeast model of amyloid-β and Tau aggregation in Alzheimer’s disease. Journal of Alzheimer’s Disease. 47, 9-16 (2015).
  20. Tenreiro, S., Munder, M. C., Alberti, S., Outeiro, T. F. Harnessing the power of yeast to unravel the molecular basis of neurodegeneration. Journal of Neurochemistry. 127, 438-452 (2013).
  21. Yang, J., Hao, X., Cao, X., Liu, B., Nyström, T. Spatial sequestration and detoxification of huntingtin by the ribosome quality control complex. eLife. 5, (2016).
  22. Braun, R. J., Büttner, S., Ring, J., Kroemer, G., Madeo, F. Nervous yeast: modeling neurotoxic cell death. Trends in Biochemical Sciences. 35, 135-144 (2010).
  23. Figley, M. D., Gitler, A. D. Yeast genetic screen reveals novel therapeutic strategy for ALS. Rare Diseases. 1, e24420 (2013).
  24. Cooper, A. A., et al. Alpha-synuclein blocks ER-Golgi traffic and Rab1 rescues neuron loss in Parkinson’s models. Science. 313, 324-328 (2006).
  25. Johnson, B. S., McCaffery, J. M., Lindquist, S., Gitler, A. D. A yeast TDP-43 proteinopathy model: exploring the molecular determinants of TDP-43 aggregation and cellular toxicity. Proceedings of the National Academy of Sciences of the United States of America. 105, 6439-6444 (2008).
  26. Bharathi, V., et al. Use of ade1 and ade2 mutations for development of a versatile red/white color assay of amyloid-induced oxidative stress in saccharomyces cerevisiae. Yeast. 33, 607-620 (2016).
  27. Pallarès, I., Ventura, S. Advances in the prediction of protein aggregation propensity. Current Medicinal Chemistry. , (2017).
  28. Villar-Piqué, A., Ventura, S. Protein aggregation propensity is a crucial determinant of intracellular inclusion formation and quality control degradation. Biochimica et Biophysica Acta. 1833, 2714-2724 (2013).
  29. Navarro, S., Villar-Piqué, A., Ventura, S. Selection against toxic aggregation-prone protein sequences in bacteria. Biochimica et Biophysica Acta. 1843, 866-874 (2014).
  30. Morell, M., de Groot, N. S., Vendrell, J., Avilés, F. X., Ventura, S. Linking amyloid protein aggregation and yeast survival. Molecular BioSystems. 7, 1121-1128 (2011).
  31. Conchillo-Solé, O., et al. AGGRESCAN: a server for the prediction and evaluation of "hot spots" of aggregation in polypeptides. BMC Bioinformatics. 8, 65 (2007).
  32. Fernandez-Escamilla, A. M., Rousseau, F., Schymkowitz, J., Serrano, L. Prediction of sequence-dependent and mutational effects on the aggregation of peptides and proteins. Nature Biotechnology. 22, 1302-1306 (2004).
  33. Renner, M., Melki, R. Protein aggregation and prionopathies. Pathologie Biologie.(Paris). 62, 162-168 (2014).
  34. Carija, A., Navarro, S., de Groot, N. S., Ventura, S. Protein aggregation into insoluble deposits protects from oxidative stress. Redox Biology. 12, 699-711 (2017).

Play Video

Bu Makaleden Alıntı Yapın
Carija, A., Ventura, S., Navarro, S. Evaluation of the Impact of Protein Aggregation on Cellular Oxidative Stress in Yeast. J. Vis. Exp. (136), e57470, doi:10.3791/57470 (2018).

View Video