Desenvolvimento de uma estratégia automática para busca de potenciais antígenos em proteomas preditos de Plasmodium spp

A malária é uma doença que provoca um enorme impacto em todo mundo e muitos esforços tem sido feitos na tentativa de eliminar esta doença há séculos. O desenvolvimento de uma vacina eficaz contra esta doença se tornou prioridade para muitos grupos de pesquisa, entretanto apenas um antígeno apresentou resultados promissores em ensaios clínicos de fase III. O processo de identificação de candidatos promissores para comporem uma vacina é muito laborioso e demanda um tempo muito grande, principalmente devido à biologia complexa destes parasitos intracelulares. Identificar proteínas nesses tipos de patógenos intracelulares é um grande desafio e requer a análise de diferentes fatores ao mesmo tempo. Um bom candidato a antígeno deve possuir características que façam com que a proteína ou pelo menos parte dela, entre em contato com o sistema imune do hospedeiro em algum momento do ciclo de vida do parasito e que este contato seja capaz de gerar uma resposta imune capaz de neutralizar o parasito e acabar com a infecção. As proteínas secretadas/exportadas se encaixam perfeitamente nessas características e foi justamente com o objetivo de identificá-las que foi desenvolvida uma estratégia automática integrando diferentes programas para buscar estas proteínas.

Dessa forma, o proteoma predito de 5 espécies diferentes do gênero Plasmodium foi submetidas à análise de três programas que procuram por características importantes para proteínas exportadas/secretadas nesse gênero. O peptídeo sinal foi investigado utilizando o SignalP, um script em Perl foi desenvolvido para buscar um motivo que é crucial para a exportação de algumas proteínas (PEXEL) e os domínios transmembrana foram buscados utilizando o TMHMM. Algumas proteínas selecionadas foram submetidas à predição de epitopos de células B. Com esta abordagem foi possível identificar algumas famílias de proteínas que já são conhecidas como proteínas exportadas, como Rifin e Stevor, o que mostra que esta abordagem pode ser uma ferramenta útil na identificação de novos prováveis alvos para o desenvolvimento de uma vacina eficaz. Utilizando esta metodologia, esperamos contribuir para aumentar o número de proteínas em testes para formulação de um antígeno que seja capaz de ajudar no controle e erradicação desta doença que causa tantos prejuízos para a humanidade.

Desenvolvimento de uma estratégia automática para busca de potenciais antígenos em proteomas preditos de Plasmodium spp / Developing a strategy to automatically search for potential antigens of Plasmodium spp predicted proteomes

A malária é uma doença que provoca um enorme impacto em todo mundo e muitos esforços tem sido feitos na tentativa de eliminar esta doença há séculos. O desenvolvimento de uma vacina eficaz contra esta doença se tornou prioridade para muitos grupos de pesquisa, entretanto apenas um antígeno apresentou resultados promissores em ensaios clínicos de fase III. O processo de identificação de candidatos promissores para comporem uma vacina é muito laborioso e demanda um tempo muito grande, principalmente devido à biologia complexa destes parasitos intracelulares. Identificar proteínas nesses tipos de patógenos intracelulares é um grande desafio e requer a análise de diferentes fatores ao mesmo tempo. Um bom candidato a antígeno deve possuir características que façam com que a proteína ou pelo menos parte dela, entre em contato com o sistema imune do hospedeiro em algum momento do ciclo de vida do parasito e que este contato seja capaz de gerar uma resposta imune capaz de neutralizar o parasito e acabar com a infecção. As proteínas secretadas/exportadas se encaixam perfeitamente nessas características e foi justamente com o objetivo de identificá-las que foi desenvolvida uma estratégia automática integrando diferentes programas para buscar estas proteínas. Dessa forma, o proteoma predito de 5 espécies diferentes do gênero Plasmodium foi submetidas à análise de três programas que procuram por características importantes para proteínas exportadas/secretadas nesse gênero. O peptídeo sinal foi investigado utilizando o SignalP, um script em Perl foi desenvolvido para buscar um motivo que é crucial para a exportação de algumas proteínas (PEXEL) e os domínios transmembrana foram buscados utilizando o TMHMM. Algumas proteínas selecionadas foram submetidas à predição de epitopos de células B. Com esta abordagem foi possível identificar algumas famílias de proteínas que já são conhecidas como proteínas exportadas, como Rifin e Stevor, o que mostra que esta abordagem pode ser uma ferramenta útil na identificação de novos prováveis alvos para o desenvolvimento de uma vacina eficaz. Utilizando esta metodologia, esperamos contribuir para aumentar o número de proteínas em testes para formulação de um antígeno que seja capaz de ajudar no controle e erradicação desta doença que causa tantos prejuízos para a humanidade.

Improving N-terminal protein annotation of Plasmodium species based on signal peptide prediction of orthologous proteins.

BACKGROUND: Signal peptide is one of the most important motifs involved in protein trafficking and it ultimately influences protein function. Considering the expected functional conservation among orthologs it was hypothesized that divergence in signal peptides within orthologous groups is mainly due to N-terminal protein sequence misannotation. Thus, discrepancies in signal peptide prediction of orthologous proteins were used to identify misannotated proteins in five Plasmodium species. METHODS: Signal peptide (SignalP) and orthology (OrthoMCL) were combined in an innovative strategy to identify orthologous groups showing discrepancies in signal peptide prediction among their protein members (Mixed groups). In a comparative analysis, multiple alignments for each of these groups and gene models were visually inspected in search of misannotated proteins and, whenever possible, alternative gene models were proposed. Thresholds for signal peptide prediction parameters were also modified to reduce their impact as a possible source of discrepancy among orthologs. Validation of new gene models was based on RT-PCR (few examples) or on experimental evidence already published (ApiLoc). RESULTS: The rate of misannotated proteins was significantly higher in Mixed groups than in Positive or Negative groups, corroborating the proposed hypothesis. A total of 478 proteins were reannotated and change of signal peptide prediction from negative to positive was the most common. Reannotations triggered the conversion of almost 50% of all Mixed groups, which were further reduced by optimization of signal peptide prediction parameters. CONCLUSIONS: The methodological novelty proposed here combining orthology and signal peptide prediction proved to be an effective strategy for the identification of proteins showing wrongly N-terminal annotated sequences, and it might have an important impact in the available data for genome-wide searching of potential vaccine and drug targets and proteins involved in host/parasite interactions, as demonstrated for five Plasmodium species.