Computational analysis of membrane transporters and their substrates

Abstract

In this thesis, we developed, implemented and applied bioinformatics tools/techniques in three projects that aim at characterising functional properties of membrane transport systems as well as their interactions with substrates and non-substrates. In the first project, we developed a novel method for MdfA sub- strate classification. MdfA is a multidrug membrane transporter of E. coli, which is responsible for recognising and transporting a wide spectrum of substrates with unrelated properties. Unlike other conventional methods that utilised general features such as sequence derived information, molecular descriptors, etc. , the new method incorporates protein-ligand structural interactions and potential energy information derived from molecular dynamics simulations. However, the method still encountered difficulties with the structural similarity problem between substrates and non-substrates. The new method achieved a decent performance with 73.12% of classification accuracy. Regardless, this is the first method that considers protein- ligand interactions in a classification problem related to membrane transport. In the next project, we analysed the proteomics data from Sec61α and TRAP silencing experiments to reveal and characterise TRAP substrates. TRAP is an assisting component of the translocon complex, which is responsible for protein translocation across the membrane of the endoplasmic reticulum. We successfully identified a set of TRAP dependent proteins from mass spectrometry proteomics data. Furthermore, our analysis revealed that the signal peptides of TRAP substrates showed a low hydrophobicity tendency as well as significantly increased glycine and proline content. We propose that TRAP may be responsible for helping those proteins carrying signal peptides with high glycine-proline content and low hydrophobicity to migrate easily through the Sec61α channel. In the last project, we applied molecular docking to investigate the binding modes of several eeyarestatin compounds (ES1, ES24, ES35 and ES47) to a structural homology model of human Sec61α protein. The Sec61α channel is not only responsible for protein translocation but also promotes Ca2+ leakage. Based on the docking results, we found that the energetically most favourable binding positions of ES1 and ES24 are located in between the H2 and H7 helices, which are the “doors” of the lateral gate. Hence, they are likely to hamper the gate function, keeping it open upon binding. Therefore, we postulated that ES1 and ES24 can be potential “gate blockers” which promote Ca2+ leakage via Sec61α. These findings are consistent with the results from calcium imaging experiments which were conducted by our colleagues.

In den vergangenen Jahren haben sich rechnerische Technologien sowie die Entwicklung von anspruchsvollen Algorithmen und Software schnell entwickelt. Diese technologischen Fortschritte spielen einen entscheidende Rolle für die bioinformatische Forschung, da die biologischen Daten in Bezug auf Quantität, Qualität und Komplexität exponentiell zunehmen. In dieser Arbeit haben wir in drei Projekten, die auf die Charakterisierung von funktionellen Eigenschaften von Membrantransportsystemen sowie deren Wechselwirkungen mit Substraten und Nicht-Substraten abzielen, Bioinformatik-Werkzeuge/-Techniken entwickelt, umgesetzt und angewendet. Membrantransporter sind eine sehr wichtige Klasse von integralen Transmembranproteinen, die für den Materialaustausch zwischen Zellen und deren Umgebungen verantwortlich sind. Aufgrund der starken Beziehung mit verschiedenen Krankheiten und abnormen medizinischen Bedingungen wurde und wird die Wechselwirkung von Transportern mit kleinen Arzneimittelmolekülen intensiv untersucht. Im ersten Projekt haben wir eine neuartige Methode für die MdfA-Substratklassifizierung entwickelt. MdfA ist ein Multidrug-Membrantransporter von E. coli, der für die Erkennung und den Transport eines breiten Spektrums von Substraten mit nicht verwandten Eigenschaften verantwortlich ist. Im Gegensatz zu anderen herkömmlichen Verfahren, die allgemeine Merkmale wie aus den sequenzen abgeleitete Informationen, molekulare Deskriptoren usw. verwenden, umfasst das neue Verfahren Protein- Ligand-Struktur-Wechselwirkungen und potentielle Energieinformationen, die aus molekulardynamischen Simulationen abgeleitet sind. Allerdings stieß das Verfahren immer noch auf Schwierigkeiten mit dem strukturellen Ähnlichkeitsproblem zwischen Substraten und Nichtsubstraten. Die neue Methode erreichte eine zufriedenstellende Genauigkeit mit 73,12% Klassifizierungsgenauigkeit. Es ist die erste Methode, die Protein-Ligand-Wechselwirkungen bei einem Klassifizierungsproblem für Membrantransport berücksichtigt. Im nÄchsten Projekt analysierten wir Proteomikdaten aus Sec61α und TRAP-Stummschaltungsexperimenten, um TRAP-Substrate zu identifizieren und zu charakterisieren. TRAP ist eine assistierende Komponente des Translocon-Komplexes, der für die Protein-Translokation verantwortlich ist. Wir identifizierten erfolgreich einen Satz von TRAP-abhÄngigen Proteinen aus Massenspektrometrie-Proteomik-Daten. Darüber hinaus zeigte unsere Analyse, dass die Signalpeptide von TRAP-Substraten eine geringe Hydrophobie-Tendenz sowie einen signifikant erhöhten Glycin- und Prolin-Gehalt aufwiesen. Wir schlugen vor, dass TRAP dafür verantwortlich sein VII kann, diejenigen Proteine bei der Migration durch den Sec61α-Kanal zu unterstützen, die Signalpeptide mit hohem Glycin-Prolin-Gehalt und geringer HydrophobizitÄt haben. Im letzten Projekt haben wir die molekulare Docking-Technik angewendet, um die Bindungsmodi von mehreren Eeyarestatin-Verbindungen (ES1, ES24, ES35 und ES47) mit einem Homologiemodell von humanem Sec61α Protein zu untersuchen. Der Sec61α-Kanal ist nicht nur für die Proteintranslokation verantwortlich, sondern fördert auch Ca2+ Leckage. Die Docking-Ergebnisse ergaben, dass sich die energetisch günstigste Bindungsposition von ES1 und ES24 zwischen den H2- und H7- Helices befindet, die die \Türen" des lateralen Tores sind. Daher ist es wahrscheinlich, dass sie die Tor-Funktion behindern können und nach der Bindung den Kanal offen halten. Daher haben wir postuliert, dass ES1 und ES24 die potentiellen \Gate Blocker" sein können, die Ca2+ Leckage durch Sec61α fördern. Diese Ergebnisse stimmen mit den Ergebnissen der Calcium-Imaging-Experimente überein, die von unseren Kollegen durchgeführt wurden. In dieser Arbeit haben wir verschiedene Rechentechniken eingesetzt, um neue mechanistische Einblicke in Transmembran-Transporter zu gewinnen und wichtige Informationen aus der Analyse von Proteomik-Daten zu erhalten. Wir hoffen, dass unsere Arbeit nützliche mikroskopische Details und mögliche Mechanismen für die experimentellen Biologen, die an transmembranen Proteinen arbeiten, zur Verfügung stellt.