医学论文-人白细胞介素-33蛋白的二级结构及B细胞抗原
位预测
作者:李明才,柳晓金,苏绍波
目的:预测人白细胞介素(IL)-33的二级结构和B细胞抗原表位。
:以单参数(亲水性、可及性、柔韧性及抗原性)预测为基础,通过二级结构预
测初步筛选,并以ABCpred
作为最终验证,预测人IL-33蛋白的二级结构和B细胞表位。结果:人IL-33蛋白的N端1~19、59~75、108~117和204~210区段为预测的B细胞表位。结论:该预测结果将有助于确定人IL-33的B细胞表位及其生物学活性部位。
白介素-33;二级结构;B细胞表位;预测
[Abstract]Objective: To predict the secondary structures and B cell
epitopes of human interleukin(IL)-33. Methods: The location of B cell
epitopes was predicted by screening the secondary structure of IL-33.
Analysis was on the basis of the prediction results of hydrophilicity,
accessibility, flexibility, antigenicity followed by a verification
using ABCpred program. Results: The predicted B cell epitopes were found
to locate at the protein sequence of amino acids 1~19, 59~75, 108~117 and 204~210 for IL-33. Conclusion: These findings would be helpful
for estimate of the epitopes and activity sites localized within human
IL-33.
[Key Words]interleukin-33; secondary structure; B cell epitope;
prediction
白细胞介素-33(Interleukin-33,IL-33)是最近[1]使用计算机序列
、
发现并鉴定的一种前炎细胞因子。它的基因序列和结构与IL-1家族成员IL-1β和IL-18相似,属于IL-1家族的一个新成员,即IL-1F11。IL-33结合IL-1受体家族成员ST2,活化核因子-κB和促分裂素原活化蛋白激酶,诱导Th2细胞因子的产生,在多种炎症免疫过程中发挥重要作用[1]。B细胞表位是抗原中可
被B细胞抗原受体或抗体特异性识别并结合的线性片段或空间构象性结构。准确
预测B细胞表位,不仅有助于基础免疫学研究,而且对疫苗和抗体的研究与开发,
疾病预防与诊断具有重要意义[2]。本研究运用互联网服务器,分析IL-33蛋白的氨基酸序列,对人IL-33的二级结构特征和B细胞抗原表位进行分析和预测,
为其后续的抗体制备及结构与功能研究提供理论依据。
1.1 IL-33蛋白的氨基酸序列
人IL-33的氨基酸序列来自GenBank数据库,其索取号为AY905581[1]。序列如下:
1.2 IL-33蛋白的二级结构预测
用Geourjon-Deleage法[3]预测IL-33的二级结构。
1.3 IL-33蛋白的亲水性、可及性、柔软性及抗原性参数预测
用Parker亲水性[4]、Emini可及性[5]、Karplus & Schulz柔韧性[6]、Kolaskar & Tongaonkar抗原性[7]分别进行单方案预测,以分析IL-33中可能存在的B细胞表位。
1.4 IL-33蛋白的B细胞抗原表位预测
用ABCpred服务器预测B细胞表位。窗口长度16,阈值0.51[8]。将单参数预测结果汇总,二级结构β转角、无规卷曲处者确定为IL-33蛋白的候选B细胞优势表位。最后采用ABCpred验证表位预测结果。
2.1 IL-33预测的二级结构
IL-33的二级结构主要由α螺旋(18.9%)、β折叠(27.4%)、β转角(8.5%)、无规卷曲(45.2%)组成。β转角及无规卷曲是比较松散的柔性结构,该区域常含
有B细胞的优势表位。IL-33蛋白的无规卷曲和β转角即功能区主要位于第1~22,30~36,48~51,54~57,61~77,84~88,108~119,129~133,139~142,151~157,165~180,196~201,207~215,232~237,253~259位氨基酸(图1)。
2.2 IL-33亲水性、可及性、柔韧性及抗原性参数
IL-33蛋白的亲水性、可及性、柔韧性和抗原性的预测结果见图2a~d(高于基线的氨基酸所对应的肽段为表位),单参数预测汇总见表1。IL-33蛋白同时有3种或以上的参数预测为表位肽段:1~19, 28~34, 59~75, 83~88, 96~117,
126~130, 146~154, 161~171, 204~210, 250~255。表1 不同方案预测IL-33的B细胞表位的肽段位置(略)
2.3 IL-33抗原表位的综合预测
用ABCpred方案计算出包含以上二级结构筛选所得肽段的分值(表2)。单参数预测可能出现表位的序列经二级结构预测初筛排除,再对照ABCpred方案的结果,发现IL-33蛋白的1~19、59~75、108~117和204~210等区段可能是B细胞表位。表2 ABCpred方案预测初筛肽段的结果(略)
蛋白结构中的α-螺旋、β折叠的化学键能较高,能较牢固地维持蛋白的高
级结构,但很难较好地与抗体嵌合,且经常处于蛋白质内部,因而很少成为抗原
表位。而蛋白质的β转角及无规卷曲等二级结构则是较松散结构,易于发生扭曲、
盘旋并突出到蛋白表面,有利于与抗体嵌合,成为抗原表位的可能性较大。因此,
通常将蛋白质的二级结构预测作为确定抗原表位的一种辅助手段。随着计算机网
络技术的发展,利用计算机网络服务器预测抗原表位已成为可能。本文选用的
SOPMA计算工具对人IL-33的二级结构进行了预测,结果显示,IL-33蛋白的N端1~22,30~36,48~51,54~57,61~77,84~88,108~119,129~133,139~142,151~157,165~180,196~201,207~215,232~237,253~259区段均为β转角或无规卷曲结构,这些结构易于扭曲、盘旋并展示在蛋白表面,
成为抗原表位的可能性较大。
目前,已有几十种预测B细胞抗原表位的算法,其中,亲水性、可及性、柔
韧性及抗原性方案的预测效果相对较好[9,10]。基于人工神经网络算法的
ABCpred方案,预测准确率最高可达65.9%[8]。本文综合这些方法对IL-33潜在的B细胞抗原表位进行预测和分析。ABCpred方案预测IL-33蛋白中的B细胞表位分值的范围在0.59~0.92之间,用单参数和二级结构筛选出的肽段在用
该方法的预测结果中均可找到相对应的片段。本研究推测IL-33蛋白最可能的B细胞优势抗原表位分别位于其N端氨基酸残基第1~19、59~75、108~117和204~210等区域内或其附近。但是,一个蛋白质中某段氨基酸序列能否诱导抗
体的产生,与其亲水性、是否位于蛋白表面以及机体免疫状态等多项因素有关,
而抗原表位尤其是构象型表位与蛋白质的高级结构密切相关,所以用氨基酸序列
预测构象依赖型表位有一定的局限性。此结果仅仅代表了IL-33中最可能的抗原表位,并不包含所有的抗原表位。同时,即使有些B细胞抗原表位可能呈现在蛋
白表面,但由于立体结构的限制也有可能受外层蛋白的屏蔽。所以,本预测结果
只能作为确定蛋白潜在优势表位的参考。尽管如此,上述预测结果为以后制备相
应的抗体、发展特异性的检测与诊断系统等奠定了理论基础。
[1]Schmitz J, Owyang A, Oldham E, et al. IL-33, an
interleukin-1-like cytokine that signals via the IL-1 receptor-related
protein ST2 and induces T helper type 2-associated cytoki-nes[J]. Immunity, 2005, 23(5): 479-490.
[2]单昊, 徐进梅, 侯敏万, 等. 微小隐孢子虫SA35与SA40蛋白的B细胞抗原表位预测[J]. 热带医学杂志, 2007, 7(6): 509-512, 528.
[3]Geourjon C, Deleage C. SOPMA: significant improvements in protein
secondary structure prediction by consensus prediction from multiple
alignments[J]. Comput Appl Biosci, 1995, 11(6): 681-684.
[4]Parker JM, Guo D, Hodges RS, et al. New hydrophilicity scale
derived from high-performance liquid chromatography peptide retention
data: correlation of predicted surface residues with antigenicity and
X-ray-derived accessible sites[J]. Biochemistry, 1986, 25(19): 5 425-5
432.
[5]Emini EA, Hughes JV, Perlow DS, et al. Induction of hepatitis
A virus-neutralizing antibody by a virus-specific synthetic peptide[J]. J Virol, 1985, 55(3): 836-839.
[6]Karplus PA, Schulz GE. Prediction of chain flexibility in
proteins-A tool for the selection of peptide antigens[J]. Naturwissenschaften, 1985, 72(2): 212-213.
[7]Kolaskar AS, Tongaonkar PC. A semi-empirical method for prediction
of antigenic determinants on protein antigens[J]. FEBS Lett, 1990, 276(1~2): 172-174.
[8]Saha S, Raghava GP. Prediction of continuous B-cell epitopes in
an antigen using Recurrent Neural Network[J]. Proteins, 2006, 65(1): 40-48.
[9]Van Regenmortel MH, Daney de Marcillac G. An assessment of
prediction methods for locating continuous epitopes in proteins[J].
Immunol Lett,1988,17(2): 95-107.
[10]孙志贤. 现代生物化学理论与研究技术[M]. 北京: 军事医学科学出版社, 1995. 484-489.