medigraphic.com
Instituto Nacional de Neurología y Neurocirugía

2021, Número 4

<< Anterior Siguiente >>

Arch Neurocien 2021; 26 (4)


Caracterización bioinformática de mutaciones en las proteínas presenilina-1, presenilina-2 y proteína precursora de amiloide en relación con enfermedad de Alzheimer familiar

Soto-Ospina A, Cataño-Sánchez E, de Jesús-Bedoya G, Araque-Marín P, Villegas-Lanau A

Idioma: Español
Referencias bibliográficas: 42
Paginas: 17-31
Archivo PDF: 1978.92 Kb.


RESUMEN

Introducción: La enfermedad de Alzheimer se manifiesta como la muerte neuronal debido al daño en el tejido nervioso y cuyo marcador neuropatológico, son los depósitos de proteína como placas amiloide y ovillos neurofibrilares. Objetivo: Relacionar la clínica reportada para la enfermedad de Alzheimer Familiar y los cambios de 10 mutaciones seleccionadas en las regiones susceptibles, para entender el efecto en la estructura proteica, a partir de la caracterización bioinformática. Metodología: Se recopila la información reportada de las bases de datos Alzforum, Pubmed, Uniprot y Embl, el análisis de susceptibilidad a la mutación se hace con el software SNAP2 de Rostlab y las modificaciones postraduccionales se hacen con la herramienta Swiss-ExPASY. Resultados: Se establece una tabla de frecuencias orientada a los casos clínicos asociados a las mutaciones missenses que producen enfermedad de Alzheimer y se encontró la frecuencia de cambios de aminoácido y se comparó con la composición de aminoácidos presentes para PS1, con un porcentaje de 12% para Leu, en PS2 con Leu en 12.9% y para el fragmento carboxi terminal de app de 99 aminoácidos con un valor de 13.1% para Val. Discusión y conclusión: Los aminoacidos que producen el cambio a partir de sus características químicas, fueron más frecuentes los no polares y se estima que se da por la proporción tan alta de estructura proteica localizada en la membrana neuronal. Con el análisis de susceptibilidad se complementa el efecto del cambio para los 20 aminoacidos en la estructura de la proteína, orientada por los cambios de polaridad.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. B. Dubois et al. Advancing research diagnostic criteria for Alzheimer’s disease: the IWG-2 criteria. Lancet Neurol. 2014;13(6): 614-629 doi: 10.1016/S1474-4422(14)70090-0.

  2. A. Delacourte. Fisiopatología de la enfermedad de Alzheimer. EMC Tratado Med. 2002; 6(4): 1–11. doi: 10.1016/ S1636-5410(02)70234-1.

  3. K. Blennow, M. J. de Leon, and H. Zetterberg. Alzheimer’s disease. Lancet (London, England). 2006; 368(9533): 387- 403. doi: 10.1016/S0140-6736(06)69113-7.

  4. M. Kidd. Alzheimer’s Disease--An Electron Microscopical Study. Brain. 1964; 87( 2): 307- 320. doi: 10.1093/brain/87.2.307.

  5. Lu W., Xu Y., Shao X., et al. Uric Acid Produces an Inflammatory Response through Activation of NF-κB in the Hypothalamus: Implications for the Pathogenesis of Metabolic Disorders. Sci Rep. 2015; 5(1):12144. doi: 10.1038/srep12144.

  6. Ballard C., Gauthier S., Corbett A., Brayne C., Aarsland D., Jones E. Alzheimer’s disease. Lancet. 2011; 377(9770):1019- 31. doi: 10.1016/S0140-6736(10)61349-9.

  7. Arbor S.C., Lafontaine M., Cumbay M. Amyloid-beta Alzheimer targets-protein processing, lipid rafts, and amyloid-beta pores. Yale J Biol Med. 2016; 89(1): 5–21.

  8. Yu X., Zheng J. Cholesterol promotes the interaction of alzheimer β-amyloid monomer with lipid bilayer. J Mol Biol. 2012; 421(4–5): 561–71. doi: 10.1016/j.jmb.2011.11.006.

  9. Venugopal C., Demos C.M., Jagannatha Rao K.S., et al. Beta-secretase: structure, function and evolution. CNS Neurol Disord Drug Targets. 2008; 7(3): 278-294. doi: 10.2174/187152708784936626.

  10. Bush A. I. Drug Development Based on the Metals Hypothesis of Alzheimer’s disease. J. Alzheimer’s Dis. 2008; 15: 223-240, 2008. doi: 10.3233/jad-2008-15208

  11. Kanekiyo T. and Bu G. Apolipoprotein E and Amyloid-betaIndependent Mechanisms in Alzheimer’s Disease. Elsevier Inc., 2016. doi: 10.1016/B978-0-12-802851-3.00006-1

  12. Annaert W., De Strooper B. A cell biological perspective on Alzheimer’s disease. Annu. Rev. Cell Dev. Biol. 2002;18:25-51. doi: 10.1146/annurev.cellbio.18.020402.142302.

  13. Rostagno A., Holton JL, Lashley T, Revesz T, et al. Cerebral amyloidosis: Amyloid subunits, mutants and phenotypes. Cell. Mol. Life Sci. 2010; 67(4):581–600. doi: 10.1007/ s00018-009-0182-4.

  14. Rosenberg RN. The molecular and genetic basis of AD: the end of the beginning: the 2000 Wartenberg lecture. Neurology. 2000; 54 (11): 2045–2054. doi: 10.1212/WNL.54.11.2045.

  15. Hardy J. Amyloid, the presenilins and Alzheimer’s disease. Trends Neurosci. 1997; 20(4):154-9. doi:10.1016/ S0166-2236(96)01030-2.

  16. Guven G., Erginel-Unaltuna N., Samanci B., et al. A patient with early-onset Alzheimer’s disease with a novel psen1 p.Leu424Pro mutation. Neurobiol Aging. 2019; 1, 2–5. doi:10.1016/j. neurobiolaging.2019.05.014.

  17. Cai Y., An A., Kim S. Mutations in presenilin 2 and its implications in Alzheimer’s disease and other dementia-associated disorders. Clin Interv Aging. 2015; 14(10):1163-72. doi: 10.2147/CIA. S85808. eCollection 2015.

  18. Sun L., Zhou R.,Yang G., Shi Y. Analysis of 138 pathogenic mutations in presenilin-1 on the in vitro production of Aβ42 and Aβ40 peptides by γ-secretase. Proc Natl Acad Sci USA.2017; 114(4):E476–E485. doi: 10.1073/pnas.1618657114.

  19. Szaruga M. Munteanu B., Lismont S. Alzheimer’s-Causing Mutations Shift Aβ Length by Destabilizing γ-Secretase-Aβn Interactions. Cell. 2017; 170(3):443-456.e14. doi: 10.1016/j. cell.2017.07.004.

  20. Paschkowsky S., Hamzé M., Oestereich F., Munter LM. Alternative processing of the amyloid precursor protein family by rhomboid protease RHBDL4. J Biol Chem. 2016; 291(42): 21903-12. doi: 0.1074/jbc.M116.753582.

  21. Szaruga M., Veugelen S, Benurwar M., et al. Qualitative changes in human γ-secretase underlie familial Alzheimer’s disease. J Exp Med. 2015; 212(12):2003–13. doi: 10.1084/jem.20150892.

  22. Lichtenthaler S. Alpha-secretase cleavage of the amyloid precursor protein: proteolysis regulated by signaling pathways and protein trafficking. Curr Alzheimer Res. 2012; 9(2):165–177. doi: 10.2174/156720512799361655.

  23. Eggert S., Paliga K., Soba P., et al. The proteolytic processing of the amyloid precursor protein gene family members APLP-1 and APLP-2 involves alpha-, beta-, gamma-, and epsilon-like cleavages: modulation of APLP-1 processing by n-glycosylation. J Biol Chem. 2004; 279(18):18146-56. doi:10.1074/jbc. M311601200.

  24. Chávez-Gutiérrez L., Bammens L., Benilova I., et al. The mechanism of γ-Secretase dysfunction in familial Alzheimer disease. EMBO J. 2012; 31(10):2261-74. doi:10.1038/emboj.2012.79.

  25. Vassar R. BACE1: the beta-secretase enzyme in Alzheimer’s disease. J Mol Neurosci. 2004;23(1-2):105-114. doi: 10.1385/ JMN:23:1-2:105.

  26. Sanabria-Castro A, Alvarado-Echeverría I, Monge-Bonilla C. Molecular pathogenesis of alzheimer’s disease: An update. Ann Neurosci. 2017; 24(1):46–54. doi: 10.1159/000464422.

  27. Apweiler R, Bateman A, Martin M, O’Donovan C, Magrane M, Alam-Faruque Y, et al. Activities at the Universal Protein Resource (UniProt). Nucleic Acids Res. 2014; 42(D1):191–8. doi: 10.1093/nar/gkt1140.

  28. The UniProt Consortium. The Universal Protein Resource (UniProt). Nucleic Acids Res. 2007; 35(S1): D193–D197. doi: 10.1093/nar/gkl929.

  29. Alzforum. ALZFORUM Networking for a cure. Biomedical Research Forum. 2021. https://www.alzforum.org/

  30. Larkin MA, Blackshields G, Brown NP, Chenna R, Mcgettigan PA, McWilliam H, et al. Clustal W and Clustal X version 2.0. Bioinformatics. 2007; 23(21):2947–8. doi: 10.1093/bioinformatics/btm404.

  31. Waterhouse AM, Procter JB, Martin DMA, Clamp M, Barton GJ. Jalview Version 2-a multiple sequence alignment editor and analysis workbench. Bioinformatics. 2009; 25(9):1189–91. doi: 10.1093/bioinformatics/btp033.

  32. Hecht M, Bromberg Y, Rost B. Better prediction of functional effects for sequence variants. BMC Genomics. 2015; 16(S8):S1. doi: 10.1186/1471-2164-16-S8-S1.

  33. Hecht M, Bromberg Y, Rost B. News from the protein mutability landscape. J Mol Biol. 2013; 425(21):3937–48. doi: 10.1016/j. jmb.2013.07.028.

  34. Bromberg Y, Rost B. SNAP: Predict effect of non-synonymous polymorphisms on function. Nucleic Acids Res. 2007; 35(11):3823–35. doi: 10.1093/nar/gkm238.

  35. Artimo P, Jonnalagedda M, Arnold K, Baratin D, Csardi G, De Castro E, et al. ExPASy: SIB bioinformatics resource portal. Nucleic Acids Res. 2012; 40(W1):597–603. doi: 10.1093/nar/gks400.

  36. Blom N, Sicheritz-Pontén T, Gupta R, Gammeltoft S, Brunak S. Prediction of post-translational glycosylation and phosphorylation of proteins from the amino acid sequence. Proteomics. 2004; 4(6):1633–49. doi: 10.1002/pmic.200300771.

  37. Blom N, Gammeltoft S, Brunak S. Sequence and structure-based prediction of eukaryotic protein phosphorylation sites. J Mol Biol. 1999;294(5):1351–62. doi: 10.1006/jmbi.1999.3310.

  38. Gupta R, Jung E, Brunak S. Prediction of N-glycosylation sites in human proteins. 2004; 46:203-206.

  39. Pettersen EF, Goddard TD, Huang CC, Couch GS, Greenblatt DM, Meng EC, et al. UCSF Chimera-A visualization system for exploratory research and analysis. J Comput Chem. 2004; 25(13):1605–12. doi: 10.1002/jcc.20084.

  40. Phillips JC, Braun R, Wang W, Gumbart J, Tajkhorshid E, Villa E, et al. Scalable molecular dynamics with NAMD. J Comput Chem. 2005; 26(16):1781–802. doi: 10.1002/jcc.20289.

  41. Humphrey W, Dalke A, Schulten K. VMD- Visual molecular dynamics. J Mol Graph. 1996; 14(1):33–8. doi: 10.1016/0263-7855(96)00018-5.

  42. Schedin-Weiss S, Winblad B, Tjernberg LO. The role of protein glycosylation in Alzheimer disease. FEBS J. 2014; 281(1):46–62. doi: 10.1111/febs.12590




2020     |     www.medigraphic.com