Практикум 8

В качестве протеома, описывающего мою архею Methanocaldococcus lauensis, я взял протеом ее близкого родственника Methanococcus jannaschii. Идентификатор этого протеома UP000000805, число белков составляет 1787, все они есть в базе Swiss-Prot, параметр BUSCO достаточно высокий (C:98.2%, F:0.5%, M:1.4%), однако параметр CPD вызывает некоторые опасения (Unknown). Тем не менее я преподчел взять именно этот протеом, поскольку среди протеомов рода моей археи он единственный референсный, к тому же M. jannaschii является модельным объектом. У остальных протеомов ситуация с CPD и BUSCO аналогичная, однако число записей в Swiss-Prot у них крайне мало (близко к 0). Протеом был скачан командой: wget 'https://rest.uniprot.org/uniprotkb/stream?compressed=true&format=txt&query=(proteome:UP000000805)' -O UP000000805.swiss.gz.

В качестве контрольного протеома я выбрал Escherichia coli (штамм K12). Идентификатор протеома UP000000625, число белков равно 4404, 4401 есть в базе данных Swiss-Prot, BUSCO хорошего качества (C:100%, F:0%, M:0%), CPD имеет среднее значение (Close to standard (low value)). Протеом был скачан командой: wget 'https://rest.uniprot.org/uniprotkb/stream?compressed=true&format=txt&query=(proteome:UP000000625)' -O UP000000625.swiss.gz. Я решил выбрать именно этот организм, поскольку все близкие родственники моей археи вплоть до высоких таксонов являются тоже метаногенами, я не смог найти в их протеомах существенные отличия, к тому же большинство архей, родственных моей, имеют довольно некачественные аннотации и слабо изученные протеомы. E. coli же является модельным организмом, обладает сильно отличным от моей археи метаболизмом, белки выбранного мною штамма довольно хорошо аннотированны.

Для того чтобы оценить долю трансмембранных белков, я использовал следующий запрос в базе данных UniProtKB: (proteome:UP000000805) AND (keyword:KW-0812) (для археи, для бактерии аналогично, только идентификатор протеома другой). Результаты: для археи число белков составило 294 (доля примерно 16.5%), для бактерии – 994 (22.6%). Можно предположить, что такая сильная разница связана, во-первых, с тем, что у бактерии сложнее устроены клеточные покровы (две мембраны) и в связи с чем более сложная мембранная система белков, во-вторых, бактерия интенсивнее взаимодействует с внешней средой (транспортирует большое разнообразие частиц, реагирует на большое число сигналов).

Для того чтобы оценить долю белков-ферментов, я использовал следующий запрос в базе данных UniProtKB: (proteome:UP000000805) AND ((ec:1.) OR (ec:2.) OR (ec:3.) OR (ec:4.) OR (ec:5.) OR (ec:6.) OR (ec:7.)) (для археи, для бактерии аналогично, только идентификатор протеома другой). Результаты: для археи число белков составило 590 (доля примерно 33.0%), для бактерии – 1708 (38.8%). На основании этих результатов можно утверждать, что метаболизм бактерии устроен сложнее, большое число ферментов и соответственно биохимических путей и реакций.

В качестве последней функциональной группы я выбрал белки, которые так или иначе связываются с металлами (поскольку существенное отличие двух выбранных мною протеомов заключается в разном метаболизме двух организмов, металлы имеют крайне важное значение для биохимических процессов внутри живых объектов). Был использован запрос: (proteome:UP000000805) AND (keyword:KW-0479) (для археи, для бактерии аналогично, только идентификатор протеома другой). Результаты: для археи число белков составило 312 (доля примерно 17.5%), для бактерии 696 (15.8%). Доли таких белков оказались примерно схожими, по всей видимости, металлы играют в той или иной степени одинаковую по значимости роль в метаболизмах обоих организмов (также стоит отметить, что у обоих объектов встречаются довольно редкие металлы).

Суммируя все выше сказанное, можно сказать, что метаболизм археи более однообразный и узкоспецифичный по сравнению с таковым у бактерии, однако несмотря на это им обоим требуются специальные частицы для эффективной работы (в частности такие редкие металлы, как Молибден и даже Вольфрам). Еще отмечу, что несмотря на свою референсность большая часть белков археи (особенно те 70%, что не попали под определение трансмембранных и ферментов) имеют довольно низкий уровень аннотации (1 или 2 очка) и слабый уровень достоверности существования (3 или 4), поэтому не стоит исключать тот факт, что если белки будут исследованы тщательнее, то общие рассуждения могут поменяться.

В заключение я хотел посмотреть на наиболее частотные ключевые слова в двух анализируемых протеомах (я ототбрал минимум 10, однако если слова совпадали по количеству и попадали в топ 10, то я их тоже включал, в таком случае слов окажется больше 10). Для этого был использован сценарий на языке Python. Результаты оказались следующими (Таб. 1):

Данный анализ потверждает выводы, сделанные в предыдущем пункте, а именно, что у бактерии лучше развита мембранная система белков (что связано со сложностью самой мембранной системы, часто втсречаются слова 'Cell membrane', 'Cell inner membrane', 'Membrane', 'Transport'), у бактерии белки хорошо изучены и аннотированны (частотны слова '3D-structure' и 'Direct protein sequencing'), у археи же метаболизм более своеобразный ('ATP-binding', 'Nucleotide-binding', 'Transferase'), в то же время слово 'Metal-binding' частотно у обоих.