《Journal of Genetic Engineering and Biotechnology》:A computational workflow for proteome-wide analysis of sulfur-containing amino acid distribution in crop proteomes
编辑推荐:
一个用于作物蛋白质组中含硫氨基酸分布全蛋白质组分析的计算工作流
• 含硫氨基酸(S-AA)水平在四种豆类参考蛋白质组中保持稳定。
• 蛋白质和区域S-AA组成表现出强烈异质性。
• 滑动窗口对局部甲硫氨酸(Met)、半胱氨酸(Cys)和总S-AA富
一个用于作物蛋白质组中含硫氨基酸分布全蛋白质组分析的计算工作流
• 含硫氨基酸(S-AA)水平在四种豆类参考蛋白质组中保持稳定。
• 蛋白质和区域S-AA组成表现出强烈异质性。
• 滑动窗口对局部甲硫氨酸(Met)、半胱氨酸(Cys)和总S-AA富集进行排序。
• 结果对N端甲硫氨酸预处理具有稳健性。
含硫氨基酸(sulfur-containing amino acids, S-AA)在植物蛋白营养中具有重要作用,但豆类蛋白质通常缺乏甲硫氨酸(methionine, Met)和半胱氨酸(cysteine, Cys)。传统转基因富硫策略受代谢硫可用性、蛋白折叠能力及基因型依赖等因素限制,因此识别天然富含S-AA的蛋白成为作物改良的重要途径。然而,全蛋白质组平均组成无法反映蛋白内部的局部氨基酸富集,而现有生物信息学工具又缺乏针对全蛋白质组残基分配的系统分析框架。为此,研究人员开发了基于Python的模块化工作流saa_proteome,并将其应用于四种豆类参考蛋白质组,以在蛋白质组、全蛋白和局部序列三个水平全面刻画S-AA分布特征。
研究人员从UniProt参考蛋白质组获取了大豆(Glycine max,UP000008827)、鹰嘴豆(Cicer arietinum,UP000087171)、白羽扇豆(Lupinus albus,UP000447434)和普通菜豆(Phaseolus vulgaris,UP000000226)的蛋白序列,未按表达丰度或组织特异性进行过滤。所有分析均采用saa_proteome v0.4.1,运行环境为Python 3.13.15,并使用NumPy 2.4.2、pandas 3.0.1、Biopython 1.86和Matplotlib 3.10.8。预处理包括条件性去除N端甲硫氨酸(保留/去除两种条件)以及移除20种标准氨基酸之外的残基。蛋白水平和蛋白质组水平的氨基酸组成由调整后的序列计算,总S-AA为Met与Cys之和,并以谷氨酸(glutamic acid, Glu)作为非硫参考。局部富集分析采用长度为100个氨基酸、步长为1的重叠滑动窗口,分别记录每个蛋白的最大Met、Cys和总S-AA百分比,并按各指标独立排序。N端甲硫氨酸敏感性分析通过比较保留与去除两种条件下的结果完成。功能注释取自UniProtKB,仅作描述性解读。
蛋白质组水平结果显示,四种豆类参考蛋白质组的蛋白数目从鹰嘴豆的24,828到大豆的55,852不等,总氨基酸数也差异显著,但氨基酸比例波动极小:Met介于2.17%–2.21%,Cys介于1.85%–1.92%,总S-AA介于4.05%–4.11%,Glu介于6.30%–6.44%。总S-AA的变异系数为0.49%,低于Met(0.64%)、Glu(0.85%)和Cys(1.64%),表明S-AA在参考蛋白质组层面高度保守。这种稳定性可能受到氨基酸生物合成成本、硫代谢调节以及更广泛的进化约束共同作用,但需注意,该比例未按蛋白丰度加权,反映的是序列编码的组成潜力,而非种子或组织中的实际S-AA积累。
全蛋白水平分析中,每个物种按总S-AA百分比选取前十名蛋白。在去除N端Met条件下,总S-AA范围分别为:大豆21.30%–27.27%,鹰嘴豆17.57%–23.08%,白羽扇豆22.37%–37.14%,菜豆20.18%–25.93%。最高值为白羽扇豆蛋白A0A6A4PC06,其Met为17.14%、Cys为20.00%。在40个入选蛋白中,35个以Cys为主,5个以Met为主,说明总S-AA的组成方式存在明显差异。功能注释显示,Cys丰富的候选蛋白包括金属硫蛋白样蛋白、CYSTM结构域蛋白、G蛋白γ亚基结构域蛋白和半胱氨酸富含跨膜蛋白等;Met丰富蛋白数量较少,且多为未表征或假定蛋白。
局部富集分析中,按最大Met、Cys和总S-AA百分比独立排序得到的前五名蛋白集大部分互不相同。最大局部Met百分比在四个物种中分别达到22%–28%(大豆)、18%–24%(鹰嘴豆)、22%–31%(白羽扇豆)和20%–22%(菜豆),白羽扇豆蛋白A0A6A4QSW6的Met局部百分比最高,为31%。该结果与独立R包resido对同一蛋白的报道一致(全蛋白Met 25.20%,最大100氨基酸窗口32%),验证了方法的一致性。最大局部Cys百分比分别为33%–38%、23%–35%、29%–36%和24%–35%,普遍高于Met。总S-AA排名主要由Cys驱动,例如大豆蛋白I1MSA0和A0A0R0GLP4的Cys与总S-AA均达到38%。G蛋白γ结构域蛋白和α/β水解酶结构域蛋白是Cys高富集的常见类别,但短于100个氨基酸的蛋白以完整序列作为窗口,其百分比应谨慎解读。
N端甲硫氨酸敏感性分析显示,保留与去除两种条件下,每个物种前十名总S-AA蛋白中有9个重叠,Jaccard相似度为0.82,主要的排名变化出现在短蛋白中。因此,结果对N端Met预处理总体稳健,但报告预处理条件和谨慎解释短蛋白排名仍然必要。
讨论部分指出,saa_proteome适用于系统筛查序列编码的S-AA组成潜力,但候选蛋白的营养相关性还需结合组织特异性表达、蛋白丰度、消化性和硫代谢等证据。该框架可与滑动窗口分析、结构域注释、转录组及定量蛋白质组方法互补,也可通过反转排序筛选低S-AA蛋白,用于膳食蛋白质研究和甲硫氨酸限制模型。
研究结论可概括为:本研究提出了saa_proteome作为可重复框架,在蛋白质组、全蛋白和局部序列三个水平上表征四种豆类参考蛋白质组中的含硫氨基酸分布。结果显示,Met、Cys和总S-AA比例在参考蛋白质组水平变化很小,而单个蛋白和序列区域表现出明显异质性。前10名蛋白呈现Cys主导、Met主导和相对平衡的不同组成谱,局部排名指标分别产生不同的蛋白集。N端Met保留/去除条件下结果总体一致,但阈值附近的精确排名可能改变,尤其对于短蛋白。这些结果描述的是序列编码的组成模式,不代表种子或其他组织中的实际氨基酸积累,因此生物学优先级排序需整合组织特异性表达或定量蛋白质组证据,并开展实验验证。该框架还可扩展至其他营养限制性氨基酸、用户定义氨基酸组以及低含量筛选。