medigraphic.com
ISSN 1025-0298 (Digital)
ISSN 1025-028X (Impreso)

2015, Número 2

<< Anterior Siguiente >>

VacciMonitor 2015; 24 (2)


Implementación del algoritmo de predicción Freeman-Wimley en una aplicación web para la identificación in silico de proteínas de membrana barriles-beta

Agüero-Fernández JA, Aguilar-Bultet L, Abreu-Jorge Y, Lage-Castellanos A, Estévez-Dieppa Y

Idioma: Español
Referencias bibliográficas: 19
Paginas: 71-78
Archivo PDF: 844.52 Kb.


RESUMEN

Las proteínas de tipo barril-beta desempeñan un importante papel tanto en medicina humana como veterinaria. Su localización en la superficie bacteriana y su participación en los mecanismos de virulencia de los patógenos, hacen que se hayan convertido en un interesante blanco en los estudios de búsqueda de candidatos vacunales. Freeman y Wimley desarrollaron un algoritmo de predicción basado en las propiedades físico-químicas de proteínas barriles beta transmembrana (BBTMs). Basado en el mismo y utilizando Grails, se implementó una aplicación web. Este sistema (Beta Predictor), procesa hasta 10.000 proteínas, con un tiempo de respuesta aproximado de 0,019 s por proteína de 500 residuos y permite un análisis gráfico para cada proteína. La aplicación se evaluó con un conjunto de validación de 535 proteínas no redundantes, 102 BBTMs y 433 no-BBTMs. Se calculó la sensibilidad, especificidad, coeficiente de correlación de Matthews, valor predictivo positivo y la exactitud, siendo estos 85,29%, 95,15%, 78,72%, 80,56% y 93,27%, respectivamente. El rendimiento de este sistema se comparó con el de los predictores de BBTMs, BOMP y TMBHunt y se utilizó el mismo conjunto de validación. Se obtuvieron los siguientes resultados en el orden anterior: 76,47%, 99,31%, 83,05%, 96,30% y 94,95% para el BOMP y 78,43%, 92,38%, 67,90%, 70,17% y 89,78% para el TMBHunt. El predictor BOMP superó al Beta Predictor, pero este último mostró mejor comportamiento que el TMBHunt.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Frey J, Johansson A, Burki S, Vilei EM, Redhead K. Cytotoxin CctA, a major virulence factor of Clostridium chauvoei conferring protective immunity against myonecrosis. Vaccine 2012;30(37):5500-5.

  2. Dennis MK, Mogridge J. A protective antigen mutation increases the pH threshold of anthrax toxin receptor 2-mediated pore formation. Biochemistry 2014;53(13):2166-71.

  3. Kumagai Y, Huang H, Rikihisa Y. Expression and porin activity of P28 and OMP-1F during intracellular Ehrlichia chaffeensis development. Journal of Bacteriology 2008;190(10):3597-605.

  4. Schulte T, Lofling J, Mikaelsson C, Kikhney A, Hentrich K, Diamante A, et al. The basic keratin 10-binding domain of the virulence-associated pneumococcal serine-rich protein PsrP adopts a novel MSCRAMM fold. Open Biology 2014;4:130090. Disponible en: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3909270/.

  5. Zhuge X, Wang S, Fan H, Pan Z, Ren J, Yi L, et al. Characterization and functional analysis of AatB, a novel autotransporter adhesin and virulence factor of avian pathogenic Escherichia coli. Infection and Immunity 2013;81(7):2437-47.

  6. Anand A, Luthra A, Dunham-Ems S, Caimano MJ, Karanian C, LeDoyt M, et al. TprC/D (Tp0117/131), a trimeric, pore- forming rare outer membrane protein of Treponema pallidum, has a bipartite domain structure. Journal of Bacteriology 2012;194(9):2321-33.

  7. Kumar A, Yogisharadhya R, Ramakrishnan MA, Viswas KN, Shivachandra SB. Structural analysis and cross-protective efficacy of recombinant 87 kDa outer membrane protein (Omp87) of Pasteurella multocida serogroup B:2. Microbial Pathogenesis 2013;65:48-56.

  8. Confer AW, Ayalew S. The OmpA family of proteins: roles in bacterial pathogenesis and immunity. Vet Microbiol 2013;163(3-4):207-22.

  9. Ayalew S, Confer AW, Hartson SD, Shrestha B. Immunoproteomic analyses of outer membrane proteins of Mannheimia haemolytica and identification of potential vaccine candidates. Proteomics 2010;10(11):2151-64.

  10. Hayat S, Elofsson A. BOCTOPUS: improved topology prediction of transmembrane beta barrel proteins. Bioinformatics 2012;28(4):516-22.

  11. Freeman TC, Jr Wimley WC. A highly accurate statistical approach for the prediction of transmembrane beta-barrels. Bioinformatics 2010;26(16):1965-74.

  12. Brown JS, Rocher G. The Definitive Guide to Grails 2. New York: Apress; 2013.

  13. Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez JC, et al. pROC: an open-source package for R and S+ to analyze and compare ROC curves. BMC Bioinformatic 2011;12:77. Disponible en: doi:10.1186/1471-2105-12-77.

  14. Berven FS, Flikka K, Jensen HB, Eidhammer I. BOMP: a program to predict integral beta-barrel outer membrane proteins encoded within genomes of Gram-negative bacteria. Nucleic Acids Res 2004;32(Suppl 2):394-9.

  15. Garrow AG, Agnew A, Westhead DR. TMB-Hunt: a web server to screen sequence sets for transmembrane beta-barrel proteins. Nucleic Acids Res 2005;33(Suppl 2):188-92.

  16. Garrow AG, Agnew A, Westhead DR. TMB-Hunt: an amino acid composition based method to screen proteomes for beta- barrel transmembrane proteins. BMC Bioinformatics 2005;6:56. Disponible en: doi: 10.1186/1471-2105-6-56.

  17. Pina-Pedrero S, Olvera A, Perez-Simo M, Bensaid A. Genomic and antigenic characterization of monomeric autotransporters of Haemophilus parasuis: an ongoing process of reductive evolution. Microbiology 2012;158(2):436-47.

  18. McClean S. Eight stranded beta -barrel and related outer membrane proteins: role in bacterial pathogenesis. Protein Pept Lett 2012;19(10):1013-25.

  19. Agüero-Fernández JA, Aguilar-Bultet L, Abreu-Jorge Y, Rodríguez-Amorós Y, inventores. Predictor. Aplicación web para la identificación in silico de proteínas de superficie bacterianas. Centro Nacional de Derecho de Autor (CENDA), Cuba: Número de registro 1656-06-2014. 2014 Jun 9. Disponible en: http://baco.censa.edu.cu:8080/predictor/, http://baco.censa.edu.cu:8080/predictor/betaB/index




2020     |     www.medigraphic.com