Молекулярные механизмы оптимизации элонгации трансляции существенно различаются у бактерий, имеющих и не имеющих кластеры генов биосинтеза нерибосомных пептидов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Нерибосомные пептиды, обладающие широкой биологической активностью, играют важную роль в жизнедеятельности бактерий. В частности, они действуют как антибиотики, токсины, поверхностно-активные вещества, сидерофоры, а также выполняют ряд других специфических функций. Биосинтез этих молекул происходит не на рибосомах, а с помощью специальных ферментов, гены которых образуют кластеры в бактериальных геномах. Мы предположили, что синтез нерибосомных пептидов является специфической особенностью метаболизма бактерий, которая может затрагивать и другие жизненно важные процессы, в том числе и связанные с трансляцией. Нами впервые показана связь между механизмом регуляции трансляции белоккодирующих генов в бактериях, который в значительной степени определяется эффективностью элонгации трансляции, и наличием в геномах кластеров генов биосинтеза нерибосомных пептидов. Проведен биоинформатический анализ эффективности элонгации трансляции белоккодирующих генов 11679 геномов бактерий, часть из которых содержала кластеры генов биосинтеза нерибосомных пептидов, а другая часть – нет. Показано, что бактерии, геномы которых содержат кластеры биосинтетических генов нерибосомных пептидов, и бактерии, которые не содержат кластеры таких генов, имеют значимые различия в молекулярных механизмах, обеспечивающих эффективность трансляции. Так, существенно меньшая часть микроорганизмов, геномы которых содержат кластеры генов нерибосомных пептидных синтетаз, характеризуется оптимизированной регуляцией количества локальных инвертированных повторов, большая же часть имеет геномы, оптимизированные за счет усредненной энергии шпилек инвертированных повторов в мРНК и дополнительно за счет состава кодонов. Полученные нами результаты позволяют предположить, что присутствие путей биосинтеза нерибосомных пептидов может влиять на структуру общего метаболизма бактерий, что выражается и в специфике механизмов рибосомного биосинтеза белков.

Об авторах

А. И. Клименко

Институт цитологии и генетики Сибирского отделения Российской академии наук

Email: mat@bionet.nsc.ru
Россия, 630090, Новосибирск

С. А. Лашин

Институт цитологии и генетики Сибирского отделения Российской академии наук

Email: mat@bionet.nsc.ru
Россия, 630090, Новосибирск

Н. А. Колчанов

Институт цитологии и генетики Сибирского отделения Российской академии наук

Email: mat@bionet.nsc.ru
Россия, 630090, Новосибирск

Д. А. Афонников

Институт цитологии и генетики Сибирского отделения Российской академии наук

Email: mat@bionet.nsc.ru
Россия, 630090, Новосибирск

Ю. Г. Матушкин

Институт цитологии и генетики Сибирского отделения Российской академии наук

Автор, ответственный за переписку.
Email: mat@bionet.nsc.ru
Россия, 630090, Новосибирск

Список литературы

  1. Caboche S., Pupin M., Leclère V., Fontaine A., Jacques P., Kucherov G. (2008) NORINE: a database of nonribosomal peptides. Nucl. Acids Res. 36, 326–331. https://doi.org/10.1093/nar/gkm792
  2. Süssmuth R.D., Mainz A. (2017) Nonribosomal peptide synthesis – principles and prospects. Angew. Chemie – Int. Ed. 56, 3770–3821.
  3. Kim H.U., Blin K., Lee S.Y., Weber T. (2017) Recent development of computational resources for new antibiotics discovery. Curr. Opin. Microbiol. 39, 113–120.
  4. Blin K., Shaw S., Kautsar S.A., Medema M.H., Weber T. (2021) The antiSMASH database version 3: increased taxonomic coverage and new query features for modular enzymes. Nucl. Acids Res. 49(D1), D639‒D643.
  5. Лихошвай В.А., Матушкин Ю.Г. (2000) Предсказание эффективности экспрессии генов по их нуклеотидному составу. Молекуляр. биология. 34, 406–412.
  6. Likhoshvai V.A., Matushkin Yu.G. (2002) Differentiation of single-cell organisms according to elongation stages crucial for gene expression efficacy. FEBS Lett. 516. 87–92.
  7. Соколов В.С., Зураев Б.С., Лашин С.А., Матушкин Ю.Г. (2014) EloE – веб-приложение для оценки эффективности элонгации трансляции генов. Вавиловский журн. генетики и селекции. 18, 904–909.
  8. Korenskaia A.E., Matushkin Y.G., Lashin S.A., Klimenko A.I. (2022). Bioinformatic assessment of factors affecting the correlation between protein abundance and elongation efficiency in Prokaryotes. Internat. J. Mol. Sci. 23(19), 11996. https://doi.org/10.3390/ijms231911996
  9. Blin K., Medema M.H., Kottmann R., Lee S.Y., Weber T. (2017) The antiSMASH database, a comprehensive database of microbial secondary metabolite biosynthetic gene clusters. Nucl. Acids Res. 45, D555–D559. https://doi.org/10.1093/nar/gkw9601
  10. Filzmoser P., Hron K., Templ M. (2018) Applied compositional data analysis. with worked examples. In: Statistics. Springer Ser., Nature Switzerland AG, Cham, Switzerland. ISBN 978-3-319-96420-1
  11. Mukherjee S., Stamatis D., Bertsch J., Ovchinnikova G., Katta H.Y., Mojica A., Chen I.M.A., Kyrpides N.C., Reddy T.B.K. (2019) Genomes OnLine database (GOLD) v.7: Updates and new features. Nucl. Acids Res. 47(D1), D649–D659. https://doi.org/10.1093/nar/gky977
  12. Turner D.H., Sugimoto N. (1988) RNA structure prediction. Annu. Rev. Biophys. Biophys. Chem. 17, 167–192.
  13. Sharp P.M., Li W.H. (1987) The codon adaptation index – a measure of directional synonymous codon usage bias, and its potential applications. Nucl. Acids Res. 15, 1281–1295.
  14. Filzmoser P., Hron K., Reimann C. (2007) Principal component analysis for compositional data with outliers. Environmetrics. 20, 621–632.

Дополнительные файлы


© А.И. Клименко, С.А. Лашин, Н.А. Колчанов, Д.А. Афонников, Ю.Г. Матушкин, 2023