Caracterização estrutural dos transportadores abc de molibdato e oligopeptídeos em Mycobacterium tuberculosis usando bioinformática

Autores

DOI:

https://doi.org/10.24933/e-usf.v8i1.382

Palavras-chave:

Multirresistência, Bioinformática, Desenho racional de fármacos, Biologia Estrutural

Resumo

Mycobacterium tuberculosis, patógeno da tuberculose, desafia a saúde pública devido à resistência a antibióticos e alta mortalidade associada., tornando necessária a busca constante por novos antimicrobianos. Um potencial alvo terapêutico são os transportadores ABC de molibdato e oligopeptídeos, uma vez que desempenham papel crucial na sobrevivência da bactéria ao importar esses nutrientes essenciais para o interior celular da mesma, sendo então o objetivo deste trabalho identificar e caracteriza estes transportadores em M. tuberculosis a partir de análises in silico. Foi identificado um sistema completo de transportadores do tipo ABC para cada cada um dos nutrientes estudados, compostos por SBPs, permeases e ATPases, organizados em óperons únicos no genoma. Estruturalmente, SBPs apresentaram regiões de peptídeo sinal indicando funções extracelulares, enquanto permeases mostraram seis regiões transmembranares, sugerindo localização nas membranas. As ATPases foram identificadas pela presença do domínio AAA, característico. As SBPs, ModA e OppA, apresentaram modelos das estruturas tridimensionais conservadas, sendo classificadas como SBP do tipo II e a análise de sequências identificou aminoácidos conservados nos bolsões de ligação das SBPs, sugerindo interações com substratos. Esses resultados destacam potenciais alvos para terapias antimicrobianas, fornecendo dados para investigações futuras quanto ao mecanismo de interação entre as SBPs e os substratos transportados por elas.

Downloads

Não há dados estatísticos.

Biografia do Autor

Aline Sampaio Cremonesi, Universidade São Francisco

Graduada em Ciências Biológicas pela Pontifícia Universidade Católica de Campinas (PUCCAMP), possui Mestrado em Biologia Funcional e Molecular com ênfase em Bioquímica pela Universidade Estadual de Campinas (UNICAMP) e doutorado em Biotecnologia pela Universidade de São Paulo (USP), desenvolvendo todos os projetos no Laboratório Nacional de Biociências (LNBio) operado pelo Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Tem experiência em cultura e metabolismo microbiano, engenharia genética, expressão de proteínas em diferentes tipos celulares e análises biofísicas e estruturais de proteínas e peptídeos. Atualmente é professora com certificação Google for Education, de disciplinas na graduação e pós-graduação em diferentes cursos da área da saúde, com projetos voltados para a análises estruturais de transportadores do tipo ABC relacionados a resistência bacteriana e de organismos de interesse veterinário. É membro da equipe científica da empresa Aplasys, atuante na área de engenharia genética e solubilidade de proteínas.

Referências

ALTSCHUL, S. F. et al. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acids Research, v. 25, p. 3389-3402, 1997. DOI: https://doi.org/10.1093/nar/25.17.3389

ARMENTEROS, J. J. A.; TSIRIGOS, K.; SONDERBY, C. K.; PETERSEN, T. N.; WINTHER, O.; BRUNA K., S.; HEIJNE, G. v.; NIELSEN, H. SignalP 5.0 improves signal peptide predictions using deep neural networks. Nature Biotechnology, v. 37, n. 4, p.420-423, 2019. DOI: https://doi.org/10.1038/s41587-019-0036-z

BARREIRO, E J.; FRAGA, C. A. M. Química Medicinal: As bases moleculares da ação dos fármacos. Artmed Editora, 2014.

BUCHAN, D. W. A., JONES, D. T. The PSIPRED Protein Analysis Workbench: 20 years on. Nucleic acids research, v.2, n. 47, 2019. (W1), W402–W407. DOI: https://doi.org/10.1093/nar/gkz297

CAMINERO, L. JA. Challenges and Outlooks in Multi-drug Resistant Tuberculosis. Arch Bronconeumol. 2017 Aug. v.53, n. 8, p.417-418. English, Spanish. DOI: https://doi.org/10.1016/j.arbres.2017.01.018

CHAI, H.; KIM, Y.; HAM, J.; KIM, T.; LIM, D. Identifying ligand-binding specificity of the oligopeptide receptor OppA from Bifidobacterium longum KACC91563 by Structure-based molecular modeling. Research Square; 2020. DOI: https://doi.org/10.1016/j.arabjc.2022.104198

CHEN, Ping et al. A highly efficient Ziehl-Neelsen stain: identifying de novo intracellular Mycobacterium tuberculosis and improving detection of extracellular M. tuberculosis in cerebrospinal fluid. Journal of clinical microbiology, v. 50, n. 4, p. 1166-1170, 2012. DOI: https://doi.org/10.1128/jcm.05756-11

CREMONESI, A.S.; DE LA TORRE, L.I.; DEGENHARDT, M.F.S.; MUNIZ,G.S.V.; LAMY, V.T.; OLIVEIRA, C.L.P. BALAN, A. The citrus plant pathogen Xanthomonas citri has a dual polyamine-binding protein. Archives of Biochemistry and Biophysics, v. 28, p. 1-12, 2021. DOI: https://doi.org/10.1016/j.bbrep.2021.101171

DELANO, W. L. The PyMol Molecular Graphics System DeLano Scientific, 2002. http://www.pymol.org/

DEVLIN, T. M. Manual de bioquímica: com correlações clínicas. Editora Blucher, 2011.

FILHO, O. A. S.; ALENCASTRO, R. B. Modelagem de proteínas por homologia. Química Nova, v. 26, p. 253-259, 2003. DOI: https://doi.org/10.1590/S0100-40422003000200019

GUNA, A.; HEDGE, R. S. Transmembrane Domain Recognition during Membrane Protein Biogenesis and Quality Control. Current Biology Review, v.28, 2018. DOI: https://doi.org/10.1016/j.cub.2018.02.004

HU, Y., RECH, S., GUNSALUS, R. et al. Crystal structure of the molybdate binding protein ModA. Nat Struct Mol Biol, v.4, p.703–707, 1997. DOI: https://doi.org/10.1038/nsb0997-703

KANEHISA, M. et al. KEGG for linking genomes to life and the environment. Nucleic acids research, v. 36, n. suppl_1, 2007, p. D480-D484. DOI: https://doi.org/10.1093/nar/gkm882

KROGH, A. et al. Predicting transmembrane protein topology with a hidden Markov model: Application to complete genomes. Journal of Molecular Biology, v. 305, n. 3, p. 567-580, 2001. DOI: https://doi.org/10.1006/jmbi.2000.4315

LARKIN, M. A. et al. Clustal W and Clustal X version 2.0. bioinformatics, v. 23, n. 21, p. 2947-2948, 2007. DOI: https://doi.org/10.1093/bioinformatics/btm404

LIMA, R. N. S.; COSTA, S. O. P. D.; FERREIRA, R. C. C. O Transporte de Oligopeptídeos na fisiologia e patogênese de bactérias do gênero Streptococcus. Revista de Microbiologia, Janeiro, 2014.

LOCHER, K. P. Mechanistic diversity in ATP-binding cassette (ABC) transporters. Nat Struct Mol Biol, v.23, p. 487-493, 2016. DOI: https://doi.org/10.1038/nsmb.3216

MCGUFFIN, L. J.; BRYSON, K.; JONES, D. T. The PSIPRED protein structure prediction server. Bioinformatics Applications Note, v. 16, p. 404-405, 2000. DOI: https://doi.org/10.1093/bioinformatics/16.4.404

MENON, S.; PIRAMANAYAKAM, S.; AGARWAL, G. Computational identification of promoter regions in prokaryotes and Eukaryotes. EPRA International Journal of Agriculture and Rural Economic Research (ARER), v. 9, n. 7, p. 21-28, 2021. DOI: https://doi.org/10.36713/epra7667

MIRDITA, M., SCHUTZE, K., MORIWAKI, Y. et al. ColabFold: making protein folding accessible to all. Nat Methods,v.19, p.679–682, 2022. DOI: https://doi.org/10.1038/s41592-022-01488-1

MOUTRAN, A. Modelagem molecular das proteínas captadoras de Molibdato (ModA) e Oligopeptídeo (OppA) de Xanthomonas axonopodis pv. citri. 2009. Tese (Doutorado em Microbiologia) – Universidade de São Paulo, São Paulo, 2009. DOI: https://doi.org/10.11606/T.42.2009.tde-16072009-100344

OLIVEIRA, M. C. B.; BALAN, A. The ATP-Binding Cassette (ABC) transport systems in Mycobacterium tuberculosis: Structure, function, and possible targets for therapeutics. Biology, v. 9, n. 12, p. 443, 2020. DOI: https://doi.org/10.3390/biology9120443

ORGANIZAÇÃO MUNDIAL DA SAÚDE. Relatório Global sobre Tuberculose. Genebra: OMS, 2023. ISBN: 978-92-4-008385-1

PATRA, P. et al. Epitope-based vaccine designing of nocardia asteroides targeting the virulence factor mce-family protein by immunoinformatics approach. International Journal of Peptide Research and Therapeutics, v. 26, p. 1165-1176, 2020. DOI: https://doi.org/10.1007/s10989-019-09921-4

PRILUSKY, J., FELDER, C. E., ZEEV-BRN-MORDEHAI, T., RYDBERG, E. H., MAN, O., BECKMANN, J. S., SILMAN, I., SUSSMAN, J. L. FoldIndex: a simple tool to predict whether a given protein sequence is intrinsically unfolded. Bioinformatics (Oxford, England), v. 21, n. 16, p. 3435–3438, 2005. DOI: https://doi.org/10.1093/bioinformatics/bti537

PUCHADES, C.; SANDATE, C. R.; LANDER, G. C. The molecular principles governing the activity and functional diversity of AAA+ proteins. Nature Reviews Molecular Cell Biology, v. 21, n. 1, p. 43-58, 2020. DOI: https://doi.org/10.1038/s41580-019-0183-6

RAHMAN, M. M.; MACHUCA, M. A.; ROUJEINIKOVA, A. Bioinformatics analysis and biochemical characterisation of ABC transporter-associated periplasmic substrate-binding proteins ModA and MetQ from Helicobacter pylori strain SS1. Biophysical Chemistry, v. 272, p. 106577, 2021. DOI: https://doi.org/10.1016/j.bpc.2021.106577

SALAMOV, V. S. A.; SOLOVYEVAND, A. Automatic annotation of microbial genomes and metagenomic sequences. Metagenomics and its applications in agriculture, biomedicine and environmental studies, p. 61-78, 2011.

SILVA, G. A. A. Caracterização do antígeno proteico ssaa de Staphylococcus saprophyticus utilizando estratégias in silico e modelo ex vivo de infecção. 2020. Tese (Mestrado em Genética e Biologia Molecular) - Universidade Federal de Goiás, Goiás 2020. http://repositorio.bc.ufg.br/tede/handle/tede/10597

SILVA, K.M.; FIGUEIREDO, N.G.; CREMONESI, A.S. Use of Bioinformatics Techniques in the Characterization of Genes and Proteins Involved in the Transport of Polyamines from Staphylococcus Genus. JSM Bioinformatics, Genomics and Proteomics, v. 6, n.1, 2023. DOI: https://doi.org/10.47739/2576-1102/1041

SOUZA, C. et al. Estratégia Algorítmica para a Reconstrução e Validação da Estrutura Molecular de Variantes do SARS-CoV-2. Anais do XV Brazilian e-Science Workshop. SBC, 2021. p. 65-72. DOI: https://doi.org/10.5753/bresci.2021.15790

SUBHASREE, C. R. et al. Review on comparative genomics for mycobacterium tuberculosis strains. International Journal of Pharmaceutical Sciences and Research, v. 8, n. 12, p. 5022-5042, 2017. DOI: https://doi.org/10.13040/IJPSR.0975-8232.8(12).5022-42

TEUFEL, F. et al. SignalP 6.0 predicts all five types of signal peptides using protein language models. Nature biotechnology, v. 40, n. 7, p. 1023-1025, 2022. DOI: https://doi.org/10.1038/s41587-021-01156-3

WEBB, B.; SALI, A. Comparative protein structure modeling using MODELLER. Current protocols in bioinformatics, v. 54, n. 1, 2016. DOI: https://doi.org/10.1002/cpbi.3

YANG X, LIU H, ZHANG Y, SHEN X. Roles of Type VI Secretion System in Transport of Metal Ions. Front Microbiol., v.5, n.1, 2021. DOI: https://doi.org/10.3389/fmicb.2021.756136

ZAHA, A.; FERREIRA, H. B.; PASSAGLIA, L.M.P. Biologia Molecular Básica-5. Artmed Editora, 2014.

Downloads

Publicado

2024-08-28

Como Citar

Évelyn Briotto Lima, B., Stênico Zanuni, L., & Sampaio Cremonesi, A. (2024). Caracterização estrutural dos transportadores abc de molibdato e oligopeptídeos em Mycobacterium tuberculosis usando bioinformática. Ensaios USF, 8(1). https://doi.org/10.24933/e-usf.v8i1.382

Edição

Seção

Ciências Biológicas e da Saúde