西班牙國(guó)家癌癥研究中心（CNIO）Alfonso Valencia領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，發(fā)表了題為“Emerging methods in protein co-evolution”的綜述文章，概述了研究蛋白協(xié)同進(jìn)化及相互作用的新方法，展望了這些方法在研發(fā)選擇性藥物中的應(yīng)用,。文章發(fā)表在Nature旗下的《自然—評(píng)論》（Nature Reviews Genetics）雜志上。
研究人員在綜述中指出,，以協(xié)同進(jìn)化原則為基礎(chǔ)的計(jì)算方法,，可以對(duì)蛋白結(jié)構(gòu)、蛋白功能和蛋白質(zhì)相互作用進(jìn)行分析和預(yù)測(cè),，給這些領(lǐng)域帶來(lái)了革命性的轉(zhuǎn)變,。
“蛋白質(zhì)以相互協(xié)調(diào)的方式演化，也被稱為協(xié)同進(jìn)化molecular coevolution,。在過(guò)去幾年中,，這類研究的分析工具發(fā)生了重要改變，”Valencia說(shuō),。
這種微觀進(jìn)化領(lǐng)域的革命,，使人們得以預(yù)測(cè)蛋白間的相互作用，理解這些分子中發(fā)生的結(jié)構(gòu)改變,。同時(shí)也有助于人們分析,，疾病所引起的改變會(huì)產(chǎn)生怎樣的潛在影響，例如癌癥或神經(jīng)退行性疾病等等,。
在宏觀尺度上,，不同物種之間存在著競(jìng)爭(zhēng)和共生關(guān)系。同樣,，蛋白也并不是獨(dú)自執(zhí)行功能的獨(dú)行俠,，它們也會(huì)彼此協(xié)調(diào)。正因如此,，進(jìn)化傾向于在蛋白中引入?yún)f(xié)調(diào)性的改變,，調(diào)節(jié)蛋白之間的關(guān)系。
“與上世紀(jì)九十年代相比,，現(xiàn)在的計(jì)算方法更有效也更可靠,，讓我們能夠在分子水平上探討協(xié)同進(jìn)化，給進(jìn)化論賦予了更深層的意義，”Valencia說(shuō),。“以協(xié)同進(jìn)化為基礎(chǔ)的方法,，是我們分析和理解生物學(xué)分子活動(dòng)的理想工具。”
作者在文章中介紹了以蛋白協(xié)同進(jìn)化為基礎(chǔ)的計(jì)算方法,，這些方法能夠預(yù)測(cè)不同復(fù)雜程度下的分子相互作用,。其中包括：上世紀(jì)九十年代預(yù)測(cè)蛋白接觸點(diǎn)的方法；分析相似蛋白或同家族蛋白與配體選擇性結(jié)合的方法,；以及可以預(yù)測(cè)數(shù)千蛋白互作網(wǎng)絡(luò)的方法,。
過(guò)去二十年來(lái)，Valencia的團(tuán)隊(duì)完成了相關(guān)領(lǐng)域的多項(xiàng)研究,，并且一直在世界上處于領(lǐng)先地位,。“Ras是眾所周知的癌基因，去年我們發(fā)表文章預(yù)測(cè)了Ras蛋白與其他蛋白的結(jié)合特異性,。我們采用的正是此前以協(xié)同進(jìn)化為基礎(chǔ)開(kāi)發(fā)的工具,，這一工具已經(jīng)被許多其他研究團(tuán)隊(duì)采用。”Valencia解釋道,。Ras蛋白家族與多種癌癥有關(guān),，研究這些蛋白與其他重要蛋白的作用方式，將會(huì)開(kāi)辟藥物研發(fā)的新途徑,。
作者在展望相關(guān)領(lǐng)域的發(fā)展前景時(shí)稱,，未來(lái)生物信息學(xué)程序員、物理學(xué)家,、生物學(xué)家和數(shù)學(xué)家們的廣泛合作,，將會(huì)大大推動(dòng)人們對(duì)生物學(xué)分子機(jī)理的認(rèn)識(shí)。
“從長(zhǎng)遠(yuǎn)來(lái)看,，我們希望這些方法能夠有助于新藥開(kāi)發(fā),，以便選擇性靶標(biāo)異常細(xì)胞，從而減少藥物的副作用,。”文章作者之一,，David de Juan說(shuō)。(生物谷Bioon.com)
doi:10.1038/nrg3414
PMC:
PMID:
Emerging methods in protein co-evolution
David de Juan, Florencio Pazos, Alfonso Valencia
Co-evolution is a fundamental component of the theory of evolution and is essential for understanding the relationships between species in complex ecological networks. A wide range of co-evolution-inspired computational methods has been designed to predict molecular interactions, but it is only recently that important advances have been made. Breakthroughs in the handling of phylogenetic information and in disentangling indirect relationships have resulted in an improved capacity to predict interactions between proteins and contacts between different protein residues. Here, we review the main co-evolution-based computational approaches, their theoretical basis, potential applications and foreseeable developments.
