Samenvatting Protein Technology and
Proteomics
Hoofdstuk 1: Introductie
1.1. Definitie proteomics
= de bepaling van de volledige set van EW’n die aanwezig zijn in een systeem, onder
specifieke omstandigheden
o Wat is een systeem kan verschillende zaken zijn:
EW-complex vb. 1 EW met 3 of 4 andere EW’n complexeren
(redelijk klein)
Subcellulair compartiment vb. nucleus (is het grootste
compartiment) + dit is groter een groter systeem dan EW-complex
Cel op dit level wordt meestal op gewerkt
Weefsel vb. bloed, lever, hersenen
Organisme vb. zebravis, gist (hier de set EW’n bestuderen) <-> bij
mens niet mogelijk want te complex
o Omstandigheden kunnen zijn:
Behandeling vb. behandeling met anti-kanker middel of met een
carcinogeen
Tijd na behandeling vb. welke wijzigingen van de EW’n worden
waargenomen na 10 dag behandelen of na 10 dagen behandelen
Conditie van de cel vb. leeftijd, geïnfecteerd, normaal, tumor,…
o DUS: er zijn verschillende combinaties mogelijk onder dewelke de genomische
informatie dezelfde blijft, maar onder dewelke de proteomische informatie
drastisch kan veranderen
1.2. Waarom proteomics er zijn verschillende redenen voor (hieronder)
Vergeleken met genomics, is proteomics ‘the real thing’
o Genomics = statisch
o Proteomics proteinen zijn werkpaarden van de cel: ze veranderen in
expressie, in configuratie omdat de meeste functies toe te schrijven zijn aan
EW’n
o Illustratief voorbeeld:
Stel dat je veel motorfiets onderdelen hebt kan je vergelijken met
genen die aanwezig zijn in een genoom
Je kan veel met deze genen doen: zoeken, allignments,
sequencing,… maar er is nog steeds de set van verschillende
delen
Proteomics is dan het veld dat de verschillende delen samenbrengt en
probeert te achterhalen hoe het hele systeem werkt
o Genoom sequencing dit is eigenlijk 2de reden, maar hoort hieronder:
1
, Uit deze sequencen weten we dat geschat mensen ongeveer 20-40000
genen hebben, gist 6000, drosophila 13000, aardworm 18000 en
arabidoptis 26000
Dus: genomics kan de grote complexiteit in hogere organismen
zoals mensen, primaten, zoogdieren niet verklaren
Een het is nog steeds moeilijk om genen te voorspellen: verifiëren van
een genproduct door proteomic-analyse is nog steeds noodzakelijk
Als bepaald gen voorspeld wordt, moet ergens in een bepaald
stadium het corresponderende EW zijn
= proteogenomics (combinatie van genomics en
proteomics)
mRNA vs protein-profiling
o Er is geen directe correlatie tussen beiden: de micro-array chips (amfimetric
chips) die gebruikt worden voor mRNA expressie te meten zijn niet voldoende
om EW-expressie te meten
Voor sommige genen is het expressie-level van mRNA laag, terwijl de
EW-expressie hoog is
Voor andere genen is het expressie-level van mRNA hoog, terwijl de
EW-expressie laag is
o Zie grafiek concentratie van EW’n over concentratie van mRNA: je verwacht
misschien een diagonaal-correlatie, maar in werkelijkheid is er totaal geen
perfecte diagonaal: als mRNA-expressie stijgt, EW-expressie stijgt niet
noodzakelijk
Vb. in vele gevallen is er een variërende expressie van mRNA, maar
het level van EW’n blijft ongeveer hetzelfde
Er zijn meer (6 tot 8) EW’n dan genen
o Door post-translationele modificatie = PTM’s
Na transcriptie en translatie tot EW kunnen er verschillende
modificaties gebeuren
Vb. fosforylatie, glycosylatie, acetylatie, methylatie, ubiquitinylatie,..
EW’n functioneren in vele gevallen slechts door de types van post-
translationele modificaties die ze hebben
Vb. fosforylatie kan een ander kinase activeren of het kan een
andere kinase deactiveren dat kinase kan dan cascade van
fosforylatie in gang zetten
o Door alternatieve splicing (op mRNA level) zo ° er verschillende isovormen
van een bepaald EW
Er kan gewone splicing gebeuren translatie dan en dan krijg je EW
Maar dan kan ook vanuit dat mRNA alternatieve splicing gebeuren
na translatie kunnen dan stukken toegevoegd zijn aan het EW of delen
verdwenen zijn
Vb. α-1-antitrypsin: 22 verschillende isovormen
Dit is zeer moeilijk te voorspellen vanuit de genomische sequence
EW-interactie netwerken
2
, o EW’n clusteren samen en werken samen in complexen van 1, 2 of 100den
EW’n
Interageren dus met elkaar
Moeilijk te voorspellen obv de basen in het genoom
o = hogere orde van complexiteit zonder drastische toename van het aantal
componenten (niet ineens meer EW’n
Ongeveer 78% van de gist-EW’n is betrokken bij een complex
o De meeste cellulaire processen worden gereguleerd door EW-complexen in
plaats van individuele EW’n
o Functionele proteomics: deze beschouwd een EW als een element in een
interactie netwerk (contextuele functie), eerder dan het EW toe te schrijven
aan 1 bepaalde functie
Het hangt af van in welke omgeving het EW verblijft, welke functie het
uitoefent
o Figuur: protein interactie map
Cellulaire lokalisatie
o Afhankelijk van de biologische toestand van een cel, een EW kan gelokaliseerd
zijn in 1 of verschillende cellulaire locaties (nucleus, cytosol, PM,
mitochondria, ER,…)
Vb. STAT-EW
Verblijft meestal aan cellulair membraan, aan het intracellulair
deel van een receptor
Als receptor geactiveerd wordt STAT krijgt post-
translationele modificaties en transporteert dan naar nucleus
en verblijft daar dan als TF
STAT = signal transducer en transcriptie factor
o Dus verblijft op 2 verschillende plaatsen in de cel
hierdoor heeft het 2 verschillende functies
o Een bepaald EW kan verschillende bindingspartners hebben in verschillende
locaties
Op deze manier kan dat ene bepaalde EW verschillende functies
hebben, afhankelijk van zijn lokalisatie in de cel
Al bovengenoemde eigenschappen kan je niet voorspellen door genoom sequencing
dus proteomics is noodzakelijk hiervoor
1.3. Proteomics als deel van een biologisch systeem
Wilt zeggen: proteomics is geen discipline op zichzelf maar valt samen met andere
disciplines zoals genomics, transcriptomics, metabolomics,…
o Bio-informatica probeert al die data te integreren en te achterhalen welke
veranderingen er optreden op al die levels
o DAN praten van systems biology (globaal beeld krijgen van wat er gebeurt in
cel als deze bv. behandeld wordt met een carcinogeen)
3
, Om deze dynamische complexiteit van een organisme te begrijpen, moet een
geïntegreerd beeld van alle aspecten van EW’n ontwikkeld worden sindsdien
wordt enkel het gemiddelde van alle mogelijke toestanden gemeten
o mRNA- en EW-profielen en hoe deze in de loop van de tijd veranderen moet
geweten zijn vb. gedurende ontwikkeling of veranderende
omstandigheden (bv. pathologie)
Cel verandert over de tijd Als je iets bestudeerd in een cultuur is
het resultaat dat je ziet altijd een gemiddelde van alle cellen in je
cultuur (het kan dus zijn dat sommige cellen compleet anders zijn dan
de andere cellen, maar het dus niet gezien wordt omdat de andere
cellen het maskeren) we kijken dus altijd naar gemiddelden
o kennis van de toestand en eigenschappen van alle EW’n (ook hier kijken we
altijd naar het gemiddelde):
posttranslationele modificaties vb. fractie van de EW’n is
gefosforyleerd, maar de meerderheid niet en fosforylatie is afwisseld:
gaat aan en uit,…
cellulaire lokalisatie zelfde EW kan op verschillende plaatsen in cel
zijn
binding van metabolomische liganden: heem-ring, metaalionen,
gucose, ATP, ADP, GTP, GDP,…
alternatieve splicing slechts een fractie van alle EW’n hebben dat
proteolytische afbraak vandaar dat synthese, lokalisatie en
activiteitsstatus van een protease regulerende factoren zijn
oligomere toestand en bijdrage in complexen
structuur, conformatie en allosterische mechanismen van EW’n
we zien altijd gemiddelde van al deze dingen
o Alle EW-EW interacties in ruimte en tijd in 1 cel, moet je kennen
Samen met de genomische en metabolomische data (in ruimte en tijd) wordt dit
‘systems biology’ (systeembiologie) genoemd
o Dit is wat we willen bereiken = toekomst
o Als we het ooit bereiken: als je dan weet hoe cel zich gedraagt bij bepaalde
nood aan een stof, kan je maatregelen nemen en dus gezonder gaan leven
1.4. De verschillende gezichten van proteomics (kunnen er op
verschillende manieren naar kijken)
Proteomics sensu strictu
o Grootschalige identificatie en karakterisering van EW’n, inclusief hun
posttranslationele modificaties = shotgun proteomics
o Opm. we zien slechts een fractie, maar proberen zoveel mogelijk te
identificeren
4