Для поиска референсного протеома, соответствующего геномной сборке бактерии
Legionella sainthelensi
(страница сборки),
на портале NCBI Assembly были определены идентификаторы её последней версии.
Для базы INSDC код сборки составил GCA_002848365.2, а для базы RefSeq —
GCF_002848365.2. По прямому поисковому запросу
genome_assembly:GCA_002848365.2
в разделе UniProt Proteomes был успешно найден один уникальный протеом с
идентификатором
UP000234343,
имеющий официальный статус Reference proteome.
Затем была предпринята попытка найти этот же протеом строго по правилам
расширенного поиска с использованием видового TaxID (28087), взятого из
метаданных предыдущего шага. Текстовый запрос
taxonomy_id:28087 AND reference:true
вернул 1 результат как раз с полученным ранее референсным протеомом (UP000234343)
Legionella sainthelensi (LA01-117).
Для скачивания протеома вводила следующую команду:
wget 'https://rest.uniprot.org/uniprotkb/stream?compressed=true&format=txt&query=%28%28proteome%3AUP000234343%29%29' -O UP000234343.swiss.gz
В референсном протеоме Legionella sainthelensi (3619 белков) обнаружено
0 записей с альфа-спиралями (FT HELIX) и 661 запись с
трансмембранными участками (FT TRANSMEM). Единственные упоминания
слова HELIX найдены в перекрестных ссылках DR на базу PANTHER, но не в поле подтвержденной вторичной структуры.
Сравнив полученные значения, мы получили противоречие: в бактерии найдено более шестисот мембранных белков, но ни один из них не аннотирован как содержащий спиральные участки. Известно, что трансмембранные сегменты у большинства бактериальных белков имеют конформацию альфа-спиралей. Кроме того, альфа-спирали широко распространены во вторичной структуре обычных растворимых цитоплазматических ферментов. Следовательно, реальное число белков с альфа-спиральной структурой в протеоме должно быть значительно больше.
Данное противоречие объясняется разным способом аннотирования этих полей в UniProt. Метка FT TRANSMEM проставляется автоматически алгоритмами на основе гидрофобности аминокислот. А поле FT HELIX автоматически импортируется из PDB для тех белков, у которых есть экспериментально подтвержденная 3D-структура белка. Поскольку протеом Legionella sainthelensi практически не изучен, в базе данных для него отсутствуют записи о подтвержденной вторичной структуре, несмотря на физическое наличие альфа-спиралей в белках у бактерии.
Конвейеры Bash, которые были использованы для подсчетов:
записи о альфа-спиралях:
zcat UP000234343.swiss.gz | grep -E "^FT HELIX|^//" | grep -B 1 "^//" | grep -c "^FT"
записи о трансмембранных участках:
zcat UP000234343.swiss.gz | grep -E "^FT TRANSMEM|^//" | grep -B 1 "^//" | grep -c "^FT"
Для оценки количества ферментов в референсном протеоме
Legionella sainthelensi (3619 белков) в разделе UniProtKB были применены
два расширенных поисковых запроса. Первый запрос
(proteome:UP000234343) AND (ec:*),
нацеленный на поиск записей с присвоенным международным номером Enzyme
Commission, выдал 658 результатов. Второй запрос
(proteome:UP000234343) AND (cc_catalytic_activity:*),
показывающий белки с заполненным текстовым блоком каталитической активности,
выдал 602 результата.
В итоге было получено довольно близкое количество результатов по двум запросам. Это значит, что данные фильтры находят одну и ту же группу наиболее изученных белков, для которых проведена полная ручная аннотация. Полученное значение (примерно 16,6-18,2% от общего протеома) является сильно заниженным и не отражает реальное количество ферментов.
В стабильно функционирующем бактериальном организме под ферментативные функции обычно отводится значительно большая доля протеома. Такой низкий показатель в 18% для исследуемой легионеллы объясняется недостаточной аннотацией её протеома: множество потенциальных ферментов все еще классифицируются как гипотетические или нехарактеризуемые белки, из-за чего они не имеют присвоенных кодов EC или текстовых описаний каталитической активности.