PLoS ONE: Computational ramme for forudsigelse af peptid-sekvenser, der kan mediere Flere Protein Interactions i Cancer-associerede Hub Proteins

Abstrakt

En betydelig andel af protein-protein interaktioner (PPI) i cellen skønnes at være medieret af meget korte peptidsegmenter at ca. overensstemmelse med specifik sekvens mønstre kendt som lineære motiver (LMS), ofte til stede i de uordnede regioner i eukaryote proteiner. Disse peptider har vist sig at interagere med lav affinitet og er i stand binder til multiple interaktionskandidater, spiller således en vigtig rolle i PPI netværk, som omfatter dato hubs. I dette arbejde, blev PPI data og de novo motiv identifikation baseret metode (MEME), der anvendes til at identificere sådanne peptider tre cancer-associerede hub proteiner-myc, APC og MDM2. De peptider, der svarer til de væsentlige arbejdsmarkeder identificeret for hver hub protein blev justeret, de overlappende områder på tværs af disse peptider bliver betegnes som overlappende lineære peptider (OLPs). Disse OLPs blev således forventes at være ansvarlig for flere producentprisindeks for de tilsvarende hub proteiner og et pointsystem blev udviklet for at rangere dem. Vi forudsagde seks OLPs i MYC og fem OLPs i MDM2, der scorer højere end OLP forudsigelser fra tilfældigt genererede protein sæt. To OLP sekvenser fra C-terminalen af ​​MYC blev forudsagt at binde med FBXW7, komponent i en E3 ubiquitin-protein-ligase kompleks involveret i proteasomalaktivitet nedbrydning af MYC. Ligeledes vi identificeret peptider i C-terminalen af ​​MDM2 interagere med FKBP3, som har en særlig rolle i auto-ubiquitinylation af MDM2. De peptidsekvenser forudsagt i MYC og MDM2 ser lovende for at designe orthosteric inhibitorer mod eventuelle sygdom-associerede PPI. Da disse OLPs kan interagere med andre proteiner samt bør disse inhibitorer være specifik for den målrettede interactor at forhindre uønskede bivirkninger. Denne beregningsmæssige rammer er designet til at forudsige og rangordne peptid regioner, der kan mediere flere PPI og kan anvendes på andre sygdomsmodificerende associeret dato hub proteiner til forudsigelse af nye terapeutiske mål for små molekyle PPI modulatorer

Henvisning.: Sarkar D, Patra P, Ghosh A, Saha S (2016) Computational ramme for forudsigelse af peptid-sekvenser, der kan mediere Flere Protein Interactions i Cancer-associerede Hub Proteiner. PLoS ONE 11 (5): e0155911. doi: 10,1371 /journal.pone.0155911

Redaktør: Julio Vera, University of Erlangen-Nürnberg, Tyskland

Modtaget: September 18, 2015; Accepteret: 8. maj 2016 Udgivet: 24. maj 2016

Copyright: © 2016 Sarkar et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed:. Alle relevante data er inden for papir og dens støtte Information fil

Finansiering:. arbejdet blev støttet af Institut for Biotechnology- Ramalingaswami Re-entry Fellowship (nr BT /RLF /Re-entry /11/2011) til SS .

konkurrerende interesser:. forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

der er sket en gradvis ændring af fokus i kræftforskning fra studiet af individuelle proteiner at edgetic forstyrrelser af stærkt forbundne knuder (proteiner) i intracellulære signalsystemer netværk, kendt som hub knuder, der anses for væsentlige for vedligeholdelse af nettet topologi [1-3]. Hubs, der direkte interagerer med de fleste eller alle deres partnere samtidigt kaldes ‘party’ hubs (multi-interface-hubs), mens dem, der binder forskellige partnere på forskellige tidspunkter eller steder er kendt som »date« hubs (Singlish-interface-hubs) [ ,,,0],4]. Et stigende antal af protein-protein interaktioner (PPI) er nu kendt for at være medieret af korte lineære peptider, hvor et kugleformet protein eller et domæne binder til korte peptidsegmenter i flere partnere, generelt placeret i uløseligt uordnede regioner [5,6]. Sådanne peptider kan undertiden forekomme i bestilte segmenter også, fx p53 peptid, der binder til MDM2 forekommer i bestilt spiralformet region [7]. Disse peptid segmenter kan forekomme i forskellige regioner af de interagerende proteiner, men sekvensanalyse ofte afslører en underliggende konsensus mønster eller lineære motiv (LM), der fanger de vigtigste strukturelle og fysisk-kemiske træk ved de [8] regioner. De små peptider har vist sig at efterligne protein-protein interaktioner og kan således være nyttige i at udvinde interagerende partnere i eksperimentelle procedurer som affinitetsoprensning [9]. De forbigående og lav affinitet PPI medieret af disse korte, fleksible peptidsegmenter hjælpe mange dato hub proteiner til at ansætte de samme grænseflader for binding af flere interaktionskandidater på forskellige tidspunkter eller steder [10,11]. Endvidere kan mutationer i sådanne peptidsekvenser af signalering hub proteiner påvirker hele PPI-net, signalpaneler kaskader [12]. Nylige undersøgelser har vist, at små kemiske inhibitorer kan målrette PPI, herunder dem medieret af korte peptider, og har potentiale til at fungere som nye terapeutiske midler mod komplekse sygdomme, herunder cancer [13]. Derfor identifikation af sådanne korte peptider, der kan mediere flere protein interaktioner i æteriske cancer-associerede hub proteiner kan hjælpe med at målrette peptid-medierede PPI for terapeutisk intervention med strukturelle analoger.

Målet med denne undersøgelse er at udvikle en beregningsmæssige ramme for at forudsige peptidsekvenser i cancer-associerede hub proteiner (CPS), der kan binde til flere interaktionskandidater, ved hjælp af eksperimentelt verificerede PPI datasæt og en netværksbaseret tilgang. I en protein-interaktion netværk, hvor knudepunkterne repræsenterer proteinerne og kanterne deres indbyrdes vekselvirkninger, de fleste af knudepunkterne er ikke direkte forbundet med hinanden, men nogen af ​​de knudepunkter kan nås fra alle andre knudepunkt i netværket gennem et lille antal af humle eller kanter. De første hop protein interaktionskandidater eller FHPIs (de gule rektangler markeret som P1, P2 … P5 i figur 1) er dem, der er direkte forbundet til CP (den lyserøde ovale centrale node) ved kanter (sorte pile). Den anden hop protein interaktionskandidater eller SHPIs er dem, der er forbundet til CP gennem FHPIs (den grønne romboider nemlig P1-1, P1-2 . P1-3 gennem P1, P2-1, P2-2 P2- 3 gennem P2 etc i figur 1) [14]. Vi har valgt tre velkendte kræft-associerede menneske hub proteiner nemlig. MYC, APC og MDM2, hver kendt for at være knyttet til et stort antal FHPIs og et forholdsmæssigt større antal SHPIs. De interaktionsnetværk af disse tre proteiner blev rekonstrueret op til anden hop niveau ved at samle en liste over FHPIs interagerer med hver af de cps, efterfulgt af listen over SHPIs vekselvirker med hver af de FHPIs.

P1-1 , P1-2 P1-3 er interaktionskandidater af P1 (Anden Hop Protein interaktionskandidater eller SHPIs af CP), P2-1, P2-2 P2-3 er interaktionskandidater af P2 og så videre. Rød-grænser er blevet brugt til at markere oncoproteiner. Sekvensanalyse (under anvendelse MEME for de-novo motiv identifikation) af alle interaktionskandidater af en bestemt FHPI (f.eks CP, P1-1, P1-2, og P1-3 for P1) kan afsløre nogle fælles sekvens mønstre (f.eks m1 m2 blandt interaktionskandidater af P1, m1, m2, m3 m4 blandt interaktionskandidater af P2 osv). Tilpasning af peptidsekvenserne fra CP svarer på alle disse motiver (p1 fra m1, p2 fra m2 etc.) kan derefter identificere en fælles peptid (OLP) fra de overlappende sekvens positioner. Denne OLP kan spille en nøglerolle ved mediering interaktioner med multiple FHPIs og derfor bidrage til at designe orthosteric inhibitorer, der kan målrettes til blokering nogen af ​​CP-FHPI interaktioner ved at gøre det specifikt til bindingsstedet af CP på en bestemt FHPI (f.eks P1 ).

MEME (Multiple Em for Motif Elicitation) [15,16] er en meget populære og udbredte værktøj til at søge ungapped sekvens mønstre gentages på tværs af en række FASTA sekvenser. De aminosyresekvenser for alle interaktionskandidater af en FHPI (dvs. SHPIs samt CP selv), blev forelagt meme til identifikation af de over-repræsenterede sekvens mønstre (LMS) til stede i alle eller de fleste af disse proteiner, der kan mægle interaktioner med FHPI. Vi antager, at eftersom FHPI er en fælles interactor for sættet af tilsvarende SHPIs og CP, kan nogle af disse sekvenser deler et motiv der betegner peptidregioner interagerer med FHPI. Den MEME analyse for motiv identifikation blev gentaget for hver FHPI af en CP selvstændigt, at udarbejde en liste over motiver, som hver blev forudsagt til at interagere med en bestemt FHPI af CP. Efter udarbejdelsen af ​​listen over FHPI-specifikke MEME-forudsagt motiver, vi fokuserede på de peptid segmenter i CP, der svarer til disse mønstre i MEME resultater. Vores mål er at tilpasse disse peptider og afslører de overlappende sekvens holdninger blandt dem, der kan forudsiges, da peptid grænseflader, der kan interagere med flere FHPIs [17,18]. Disse overlapninger er blevet betegnet fremover som Overlappende Lineære peptider eller OLPs.

Vores foreslåede arbejdsgang er et forsøg på at give en grovkornet forudsigelse af regionerne inden Singlish-interface-hubs, der kan mediere flere PPI, bruger eksisterende in- silico metoder til motiv udredning, således fremme yderligere eksperimentelle undersøgelser på dem. MEME blev valgt til identifikation motiv trin, fordi det ikke korrigere for evolutionære relationer, (i modsætning DILIMOT [19], SLiMDisc [20], SLiMFinder [21] og QSLiMFinder [22]) derfor tegner sig for sekvensmønstre ansvarlige for PPI i evolutionært beslægtet proteiner [23]. Et pointsystem blev også formuleret til at rangere de forudsagte OLPs ifølge en ny metrisk udpeget som OLP score, normaliseret på tværs af alle tre CP’er ved at sammenligne med median OLP score fra tilfældigt genererede sæt proteinsekvenser. For at validere den foreslåede arbejdsgang gentog vi proceduren med interaktionen netværk af menneskelige GASP2, der involverer mindst tre eksperimentelt verificerede eksempler på en enkelt peptid medierer flere PPI [24]. Vi har også gjort et forsøg på at vurdere de forudsagte OLP-medieret FHPI interaktioner gennem PepSite2 [25] webserver, der forudsagde, at flere OLPs fra MYC og MDM2 kan binde til flere FHPIs. Desuden er vi også udført en BLAST søgning med de forudsagte OLP sekvenser til at finde lignende peptidsekvenser i humane proteiner ikke til stede i SHPI net, der anvendes i vores undersøgelse, for at muliggøre forudsigelse af nye PPI.

Materialer og metoder

Oversigt over foreslåede arbejdsgang

den første opgave er at genskabe PPI netværk af navet protein (CP) op til anden hop ved at indsamle en liste over proteiner er kendt for at interagere med CP ( FHPI netværk) og derefter proteinerne interagerer med hver af de FHPIs (SHPI netværk). I fig 1, har knudepunkterne i FHPI netværk vist som gule rektangler og knudepunkterne i SHPI netværket som grønne rhomboids. I det næste trin blev interaktionskandidater af hver FHPI (herunder CP) scannet for delte sekvens mønstre ved hjælp af MEME. For eksempel, lad os antage protein P1 er kendt for at interagere direkte med CP, og dermed er den FHPI af CP. P1 er også kendt for at interagere med tre andre proteiner P1-1, P1-2 P1-3, hvilket ville være SHPIs af CP. Sekvenserne af CP, P1-1, P1-2 og P1-3 fremsendes sammen at meme til at finde fælles sekvens mønstre blandt dem og to sådanne mønstre m1 og m2 er fundet. Her har vi den hypotese, at eftersom de fire proteiner har en fælles interaktions (dvs. P1), kan motiverne deles af dem mediere deres vekselvirkninger med P1. Den samme proces gentages med P2, den næste FHPI, og MEME analyse af dets interaktionskandidater dvs. CP, P2-1, P2-2, og P2-3, viser de delte sekvensmønstre m1, m3, m4 og m5. Derfor kan disse motiver forudsiges at mediere interaktion med P2. Tilsvarende er andre motiver forudsiges for hvert af de resterende FHPIs, P3, P4 og P5. Peptidsekvenserne af CP, der svarer til motiverne (sige p1 svarer til M1, p2 til m2 osv) sammenlignes derefter for at se, om nogle af dem overlapper hinanden. Hvis der findes sådanne overlapninger, så disse overlappende positioner kan hypotese at mægle interaktioner med flere FHPIs (fx p1 kan forudsiges at interagere med P1, P2 og P3).

Protein-Protein Interaction Datasæt

Tre cancer-associeret hub proteins- MYC, APC og MDM2, blev anvendt i undersøgelsen til at identificere LMS og viste sig at være forbundet med 721, 95, 177 FHPIs og 4850, 1000, 3047 SHPIs henholdsvis ifølge de intakte database [26] (tabel A i S1 File). Kun eksperimentelt verificerede humane protein-protein-interaktioner blev behandlet i denne undersøgelse.

Aminosyresekvenser af proteiner

Aminosyresekvenserne af de cps (MYC, APC og MDM2) og den anden SHPIs var ekstraheret fra UniProt databasen [27] i FASTA format.

Motif identifikation

proteinsekvenserne af de direkte interaktionskandidater af hver FHPI dvs. CP og andre SHPIs, (f.eks CP, P1-1 , P1-2, og P1-3 til P1), blev anvendt til de novo motiv identifikation ved MEME. E-værdi i MEME output blev anvendt til at udlede den statistiske signifikans af hver af de beskrevne sekvens mønstre eller LM’er, hvorimod p-værdien blev anvendt til at bestemme omfanget af matchning af individuelle peptid-forekomster til den tilsvarende LM. Den statistisk signifikante (E-værdi 1,0) motiver observeret i CP såvel som i andre SHPIs, blev udvalgt til yderligere analyse. De FHPIs med 5-20 interaktionskandidater kun blev anvendt i denne undersøgelse, fordi med forøgelse af sekvensvariabilitet tværs af flere interaktionskandidater, bliver det vanskeligt at identificere konserverede regioner blandt dem ved hjælp de-novo motiv identifikation. En E-værdi afskæring på 1,00 blev valgt til en højere følsomhed på bekostning af lavere specificitet [28]. Den enkeltstående version af MEME blev anvendt med parametre indstillet til ‘zoops “(nul eller én pr sekvens) for distribution af motiver, 6 som minimum og 50 som maksimum motiv bredde, og 10 som maksimalt antal motiver, der skal rapporteres.

multiple Sequence Tilpasning af motiver

de peptidsekvenser i CP, der svarer til de betydelige motiver identificeret fra flere MEME kørsler blev justeret ved hjælp af Clustal Omega [29], fulgt af en manuel fortolkning af de justeringer for at finde mulige overlapninger blandt dem, og derved mindske sandsynligheden for at rapportere falske positiver.

OLP Score

de korte overlappede peptidsekvenser identificeret i hver af CP (MYC, APC og MDM2) blev rangordnet efter den OLP score

observeret beregnes som:

Hvor NFP og TFP repræsenterer antallet af FHPIs interagere med en OLP og det samlede antal FHPIs af en CP, hvorimod HM betegner harmoniske gennemsnit af p-værdier rapporteret af MEME for alle de længere peptider, der har OLP.

Generering af OLP scoringer fra tilfældige PPI netværk

Femogtyve lokkedue protein interaktion netværk blev genereret ved at gruppere tilfældige tal af protein-sekvenser valgt tilfældigt fra et datasæt bestående af de FASTA sekvenser af hele den menneskelige proteom sæt fra UniProt [27]. OLP scoringer blev genereret for disse 25 sæt behandler dem som 25 FHPI netværk og fordelingen af ​​disse scoringer blev plottet brug af R-scripts. Denne fremgangsmåde blev gentaget fire gange, hvilket skaber 25 X 4 = 100 attrap FHPI netværk, og de fire separat plottede fordelinger viste medianværdier af 15.42, 20.03, 17.4 og 18,25 (fig A (i), (ii), (iii) 1,0) udledt af MEME fra sit SHPI netværk. (B) Skematisk fremstilling af en OLP sekvens

114SFICDPDD

121 (markeret med orange baggrund) identificeret i MYC, der kan interagere med fem FHPIs. De knuder der repræsenterer oncoproteiner er markeret med en rød kant.

OLPs fundet i APC protein

adenomatøs polypose coli (APC) protein (2843 aa) er en stor multi -domæne kodet af tumor suppressor genet APC, og er involveret i Wnt signalvejen, der spiller en integrerende rolle i celleadhæsion og proliferation i cancer [42]. Der var 95 FHPIs og 1000 SHPIs af APC som rapporteret i intakte [25], hvoraf der var 40 FHPIs (grad i mellem 5-20), der anvendes i vores analyse (Fig C i S1 File). Kun 8 signifikante motiver blev rapporteret af MEME kørsler (tabel C i S1-fil), hvoraf 3 OLPs kunne identificeres, som vist i figur E i S1 File og tabel 1. Disse 3 OLPs blev alle placeret i Armadillo-lignende spiralformet domæne (bestilt område), og ingen af ​​dem scorede højere end medianen OLP bedømmelse fra tilfældige PPI-netværk. Derfor kunne vi ikke, at disse OLPs peptider, der kan mediere flere PPI, ifølge vores rammer. Dette afspejles også i de PepSite2 docking undersøgelser, hvor ingen af ​​de OLPs fra APC viste mærkbar binding til de respektive FHPIs (tabel F og Fig H28-34 i S1 File). Det er meget muligt, at på grund af sin øgede længde i forhold til de to andre CP’er betragtes i denne undersøgelse, kan APC ikke brug for at ansætte en enkelt peptid grænseflader til flere PPI.

OLPs fundet i MDM2 protein

MDM2 (491 aa) er E3 ubiquitin-protein-ligase, der medierer ubiquitinering af p53 tumor suppressor [43]. Der er 177 FHPIs og 3047 SHPIs af MDM2 som rapporteret i intakte [26] database, hvoraf 68 FHPIs (grad i mellem 5-20) blev anvendt i vores undersøgelse (Fig D i S1 File). MEME kørsler forudsagde 18 væsentlige motiver (tabel D i S1 File), hvoraf 6 OLPs blev identificeret, hvoraf 5 OLPs har højere score end den tilfældige OLP score (Fig F i S1 File og tabel 1). Vi har forudsagt tre peptider i regionen 438-475 af MDM2 (

438CVICQ

442,

456GHLMACF

462 og

463TCAKKLKKRNKPC

475), der kan binde sig til FKBP3 (også kendt som FKBP25), som regulerer p53-MDM2 pathway. PepSite2 forudsiger også bindingen af ​​FKBP3 til både OLPs

438CVICQ

442 (fig H60 i S1 File) og

456GHLMACF

462 (fig H37 i S1 fil) som meget væsentlig og til

463TCAKKLKKRNKPC

475 (fig H40 i S1 fil) som moderat signifikant (tabel F i S1 File). Det er dog kun

438CVICQ

442 og

463TCAKKLKKRNKPC

475 blev forudsagt til at være overflade tilgængelige (fig I (iii) i S1 File). Den C-terminale OLP

311MNPPLPSHC

319 kan interagere med ni FHPIs, som er forbundet med positiv regulering af cellecyklus og regulering af protein stabilitet. Desuden denne OLP består af to ELM forudsagt motiv instances-

311MNPPLP

316 (LIG_SH3_3) og

313PPLP

316 (LIG_WW_2). PepSite2 forudsiger bindingen af ​​denne OLM med seks FHPIs, hvoraf tre FHPIs bindingen er meget signifikant. Interessant er p-værdien for binding af denne SH3 ligand motiv-holdige peptid til SH3 domæne-holdige protein ARHGEF6 sig at være ekstremt lav (9.897e-05), den laveste blandt alle peptid-FHPI interaktioner evalueret i PepSite2 (Fig H54 i S1 File).

OLPs fundet i GASP2 protein

GASP2_HUMAN (Q96D09) sekvens indeholder peptidet

444EEEAIFGSWFWDRDE

458, der er blevet vist at binde til humant beta-1 adrenerg (ADRB1), muscarin acetylcholin (ACM1) og calcitonin (CALCR) receptorer [24]. Sekvenserne for alle interaktionskandidater af FHPIs- ADRB1_HUMAN (P08588), ACM1_HUMAN (P11229), og CALCR_HUMAN (P30988), blev analyseret ved hjælp af MEME. I alle tre tilfælde blev rapporteret peptider fra omtrent den samme region i GASP2, som når linie viste sig at indeholde OLP

452WFWDRDEACFDLNPCPVY

469 (fig G S1 File). Fandt vi, at vores metode kunne give en meget tæt tilnærmelse af en egentlig eksperimentelt valideret motiv instans, der kan binde til flere proteiner. Den normaliserede OLPscore af dette peptid var 1,47.

Sequence kampe observeret af BLAST søgning

Resultatet af BLAST homologi søgning af OLP sekvenser viser flere humane proteiner (hverken som blev inkluderet i SHPI net til MEME analyse) indeholder peptidsekvenser svarende til OLPs (tabel G i S1 fil). For eksempel membranassocierede humant protein OGFRL1 indeholder et peptid

90KRSFYAARD

98, der er meget lig den MYC-peptid

371KRSFFALRD

379. Disse proteiner kan undersøges yderligere for mulige interaktioner med de FHPIs, der er blevet forudsagt af vores arbejdsgange for at interagere med de matchende OLPs.

Diskussioner

Identifikation af peptid regioner signalering hubs medierende sygdom-associeret PPI kan være meget nyttigt for edgetic forstyrrelser på molekylære regulatoriske netværk ved hjælp af små molekyler hæmmere [44,45]. Den mindre kontaktområde set i peptid-medierede PPI, sammenlignet med dem medieret af store globulære domæner, giver bedre mulighed for at målrette sådanne grænseflader med små kemiske modulatorer til terapeutisk [5] intervention. Men hvis den samme peptid interfacet er involveret i flere PPI, målrettet en af ​​PPI’er med orthosteric hæmmere kan også påvirke andre PPI’er på det samme sted, hvilket fører til mulige forstyrrelser i vigtige PPI netværk og veje. Det ville således være nyttigt at forudsige peptiderne stand til at binde flere interaktionskandidater og studere hver af PPI separat, før målretning helst af disse til terapeutiske formål. Dette vil lette udformningen af ​​sikrere og mere specifikke PPI modulatorer i fremtiden.

I vores foreslåede workflow, vi har derfor taget en ny tilgang for at justere peptider forudsiges at interagere med forskellige proteiner for at identificere overlapninger blandt dem, så at disse overlap kan repræsentere sites interagerer med multiple proteiner. Derfor vores rammer afviger fra de eksisterende identifikation motiv protokoller, som kun forudsiger de lineære peptidsekvenser stand til at binde specifikke interaktionskandidater, mens vi har forsøgt at yderligere forudsige, om disse peptider kan binde til flere interaktionskandidater. I denne undersøgelse har vi anvendt MEME software til selvstændigt forudsige lange peptidregioner som kan interagere med hvert af interaktionskandidater af en CP, som derefter blev justeret til at afsløre kortere peptider muligvis interagerer med flere interaktionskandidater. Her har vi endvidere forudsat, at hvis et peptid er identificeret flere gange i netværket tilgang, så er sandsynligheden for at peptid at være involveret i mediering af PPI vil være højere. , Selv om vi har valgt en lempelig E-værdi cut-off ( 1,0) således for de første længere peptider, er det mindre sandsynligt, at mange af disse længere peptid segmenter ville dele en kortere overlappende område helt tilfældigt. Vi har brugt ortogonale metoder til at validere vores resultater. PepSite2 blev brugt til strukturelt validere peptid-medierede PPI’er forudsagt af vores metode, hvorimod, GO og sti berigelse analyse blev udført på det sæt af FHPIs forudsagt til at interagere med hver OLP. Dog kan pålideligheden af ​​forudsigelserne fra PepSite2 serveren har lidt på grund af brugen af ​​modellerede strukturer i fravær af eksperimentelt bestemte 3D strukturer FHPI proteiner. Vi har også søgt for tilstedeværelsen af ​​ELM-forudsagte motiver inden for OLP sekvenser, og undersøgt, om disse OLPs falde i uordnede og overflade udsatte regioner af de tilsvarende proteiner.

Kun få forventede høje scoring OLPs fra vores undersøgelse ser lovende for mutationsstudier undersøgelser påvirker den underliggende protein-protein-interaktion netværk og efterfølgende eksperimentelle validering. To OLP sekvenser fra C-terminal MYC (

371KRSFFALRD

379 og

392KVVILKKATAY

402) med høj OLP scores er blevet forudsagt at binde med FBXW7. Dette protein blev identificeret ved Koch et al [46] i stor skala undersøgelse af c-myc-interaktioner under anvendelse af tandem affinitetsoprensning. Interessant, FBXW7 er en bestanddel af en E3 ubiquitin-protein-ligase kompleks, der medierer ubiquitineringen og efterfølgende proteasomalaktivitet nedbrydning af målproteiner. Da omsætningshastigheden af ​​MYC er kritisk determinant for carcinogenese [47], modulering af disse peptider kan være anvendelige til at ændre halveringstiden af ​​c-MYC. En enkelt strækning af MDM2 (456-475) indeholder to high scoring OLPs-

456GHLMACF

462 og

463TCAKKLKKRNKPC

475, som begge forventes at bundet til to vigtige proteiner: RNF8 og FKBP3. RNF8 spiller væsentlige roller i E2-E3 ubiquitinligase kompleks og DNA skade responset [48]. FKBP3, også kendt som FKBP25, bidrager til reguleringen af ​​p53-MDM2 negativ feedback loop [49]. Der er således stærke begrundelser for eksperimentel validering af disse fund under anvendelse af AP-MS og peptid-protein-interaktion assays.

Der kan dog være meget mere kompliceret forbundet med forudsigelse af peptidsegmenter i cancerassocierede hub proteiner der medierer interaktioner med flere partnere. Selv har vi som væsentlige motiver identificeret i flere MEME kørsler, der stadig kan der være falske positive interaktionskandidater i den originale PPI datasæt. I vores fremgangsmåde har vi overvejet en minimal overlapning region, men den faktiske interagerende peptidsegment kan være længere eller kortere i både N- og C-terminale retninger. Desuden mens vores metode giver oplysninger om de interagerende partnere, betyder det ikke undersøge bindende domæne eller de strukturelle parametre, der er involveret i samspillet.