Л.Х. Пастушкова1, А.Г. Гончарова2, А.М. Носовский3, Д.Н. Каширина4, И.М. Ларина5

1–5 ФГБУН ГНЦ РФ – Институт медико-биологических проблем РАН (Москва, Россия)

1 lpastushkova@mail.ru, 2 goncharova.anna@gmail.com, 3 collega1952@yandex.ru,
4 daryakudryavtseva@mail.ru, 5 irina.larina@gmail.com

Постановка проблемы. Актуально получение данных о модификации  протеома крови в разные сроки длительных космических полетов (КП) и периода восстановления. Также важен переход от описательной статистики к топологии движения сетей белок-белковых взаимодействий.

Цель работы – анализ инвариантности белков – участников биологических процессов в ходе длительного КП.

Результаты. Методами масс-спектрометрии анализировались образцы сухих пятен крови семи российских космонавтов в рамках космического эксперимента «ОМИКи-СПК». Продолжительность полетов участников эксперимента составила 170–181 сут. Учитывая огромное количество выделенных белков и вариабельность их уровня на протяжении КП, методом многомерного шкалирования проведен анализ инвариантности белков. Выделен устойчивый кластер из 18 белков, осуществляющих связи между наблюдаемыми переменными (уровнем выделенных белков) на всех точках наблюдения до, во время и после КП.

Практическая значимость. Впервые сделана попытка перейти от описательной статистики к топологии движения сетей белок-белковых взаимодействий во время длительного КП и периода восстановления после его завершения, что позволяет оценить эффект воздействия факторов КП в разные сроки.

Пастушкова Л.Х., Гончарова А.Г., Носовский А.М., Каширина Д.Н., Ларина И.М. Инвариантность белков – участников биологических процессов в ходе длительного космического полета // Технологии живых систем. 2024. T. 21. № 4. С. 5-15. DOI: https://doi.org/10.18127/j20700997-202404-01

1. Berggård T., Linse S., James P. Methods for the detection and analysis of protein-protein interactions // Proteomics. 2007. V. 7(16). P. 2833-2842. DOI: 10.1002/pmic.200700131
2. Yanagida M. Functional proteomics; current achievements // J. Chromatogr. B. Analyt. Technol. Biomed. Life Sci. 2002. V. 771(1-2). P. 89-106. DOI: 10.1016/s1570-0232(02)00074-0
3. Lin J.S., Ali J., Lai E.M. Protein-protein interactions: Co-immunoprecipitation. // Methods Mol. Biol. 2024. V. 2715. P. 273-283. DOI: 10.1007/978-1-0716-3445-5_18
4. Nithya C., Kiran M., Nagarajaram H.A. Hubs and bottlenecks in protein-protein interaction networks // Methods Mol. Biol. 2024. V. 2719. P. 227-248. DOI: 10.1007/978-1-0716-3461-5_13
5. Klumpe H.E., Garcia-Ojalvo J., Elowitz M.B., Antebi Y.E. The computational capabilities of many-to-many protein interaction networks // Cell Syst. 2023. V. 14(6). P. 430-446. DOI: 10.1016/j.cels.2023.05.001
6. Granados A.A., Kanrar N., Elowitz M.B. Combinatorial expression motifs in signaling pathways // Cell Genom. 2024. V. 4(1). P. 100463. DOI: 10.1016/j.xgen.2023.100463
7. Antebi Y.E., Nandagopal N., Elowitz M.B. An operational view of intercellular signaling pathways // Curr. Opin. Syst. Biol. 2017. V. 1. P. 16-24. DOI: 10.1016/j.coisb.2016.12.003
8. Li P., Elowitz M.B. Communication codes in developmental signaling pathways // Development. 2019. V. 146(12). P. dev170977. DOI: 10.1242/dev.170977
9. Massagué J. TGFβ signalling in context // Nat. Rev. Mol. Cell Biol. 2012. V. 13(10). P. 616-630. DOI: 10.1038/nrm3434
10. Verkaar F., Zaman G.J. A model for signaling specificity of Wnt/Frizzled combinations through co-receptor recruitment // FEBS Lett. 2010. V. 584(18). P. 3850-3854. DOI: 10.1016/j.febslet.2010.08.030
11. Okigawa S., Mizoguchi T., Okano M., Tanaka H., Isoda M., Jiang Y.J., Suster M., Higashijima S., Kawakami K., Itoh M. Different combinations of Notch ligands and receptors regulate V2 interneuron progenitor proliferation and V2a/V2b cell fate determination // Dev. Biol. 2014. V. 391(2). P. 196-206. DOI: 10.1016/j.ydbio.2014.04.011
12. Rohani N., Parmeggiani A., Winklbauer R., Fagotto F. Variable combinations of specific ephrin ligand/Eph receptor pairs control embryonic tissue separation // PLoS Biol. 2014. V. 12(9). P. e1001955. DOI: 10.1371/journal.pbio.1001955
13. Wang Y., Chang H., Rattner A., Nathans J. Frizzled receptors in development and disease // Curr. Top Dev. Biol. 2016. V. 117. P. 113-139. DOI: 10.1016/bs.ctdb.2015.11.028
14. Derynck R., Budi E.H. Specificity, versatility, and control of TGF-β family signaling // Sci. Signal. 2019. V. 12(570). P. eaav5183. DOI: 10.1126/scisignal.aav5183
15. Gaither C., Popp R., Mohammed Y., Borchers C.H. Determination of the concentration range for 267 proteins from 21 lots of commercial human plasma using highly multiplexed multiple reaction monitoring mass spectrometry // Analyst. 2020. V. 145(10). P. 3634-3644. DOI: 10.1039/c9an01893j
16. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир. 1982. 488 с.
17. Боровиков В.П., Боровиков И.П. STATISTICA – Статистический анализ и обработка данных в среде Windows. М.: Филинъ. 1997. 608 с.
18. Westerterp M., Berbée J.F., Delsing D.J., Jong M.C., Gijbels M.J., Dahlmans V.E., Offerman E.H., Romijn J.A., Havekes L.M., Rensen P.C. Apolipoprotein C-I binds free fatty acids and reduces their intracellular esterification // J. Lipid Res. 2007. V. 48(6). P. 1353-1361. DOI: 10.1194/jlr.M700024-JLR200
19. Wang Z., Ji C., Han Q., Wang Z., Huang Y. Data-independent acquisition-based serum proteomic profiling of adult moyamoya disease patients reveals the potential pathogenesis of vascular changes // J. Mol. Neurosci. 2022. V. 72(12). P. 2473-2485. DOI: 10.1007/s12031-022-02092-w
20. Yu K., Li S., Wang C., Zhang Y., Li L., Fan X., Fang L., Li H., Yang H., Sun J., Yang X. APOC1 as a novel diagnostic biomarker for DN based on machine learning algorithms and experiment // Front. Endocrinol (Lausanne). 2023. V. 14. P. 1102634. DOI: 10.3389/fendo.2023.1102634
21. Wolska A., Dunbar R.L., Freeman L.A., Ueda M., Amar M.J., Sviridov D.O., Remaley A.T. Apolipoprotein C-II: New findings related to genetics, biochemistry, and role in triglyceride metabolism // Atherosclerosis. 2017. V. 267. P. 49-60. DOI: 10.1016/j.atherosclerosis.2017.10.025
22. Kei A.A., Filippatos T.D., Tsimihodimos V., Elisaf M.S. A review of the role of apolipoprotein C-II in lipoprotein metabolism and cardiovascular disease // Metabolism. 2012. V. 61(7). P. 906-921. DOI: 10.1016/j.metabol.2011.12.002
23. Anand R., Sarmah D.T., Chatterjee S. Extracting proteins involved in disease progression using temporally connected networks // BMC Syst. Biol. 2018. V. 12(1). P. 78. DOI: 10.1186/s12918-018-0600-z
24. Sarmah D.T., Bairagi N., Chatterjee S. Tracing the footsteps of autophagy in computational biology // Brief Bioinform. 2021. V. 22(4). P. bbaa286. DOI: 10.1093/bib/bbaa286
25. Пастушкова Л.Х., Гончаров И.Н., Каширина Д.Н., Гончарова А.Г., Ларина И.М. Связь ряда достоверно изменяющихся белков крови с ангиогенезом после 21-суточной иммерсии // Технологии живых систем. 2021. Т. 18. № 1. С. 51–57.