محققین، طی یک مطالعه مشترک با محققان موسسه گرگور مندل و با استفاده از سیستم بیولوژی، موفق به شناسایی اهداف پروتئین شناخته نشده پاتوژن‌های گیاهی در گیاه گلدار Arabidopsis thaliana شدند. در این پژوهش، از برخی روش‌های مشابه برای تجزیه و تحلیل شبکه‌های اجتماعی یا شبکه‌های بیولوژیکی استفاده کردند. دانشمندان معتقدند که چارچوب نظری‌شان می‌تواند به تجزیه و تحلیل سایر تعاملات بین گونه‌ها برای آشکار کردن نقاط تماس پاتوژن کمک کند.
یک شبکه بیولوژیکی، تعاملات پروتئینی داخل سلول است و نقشه شبکه‌ای این ارتباطات پروتئین به پروتئین، که عملیات آن ها را در ارتباط و همکاری با سایر اجزا نشان می‌دهد، یک interactom پروتئین نامیده می‌شود.
مختار درمطالعه خود، دو interactom متفاوت را تجزیه و تحلیل کرد. اولین مورد، interactom تمام پروتئین‌های داخل سلول‌های برگ گیاه مدل A.thaliana است. وی همچنین یکی دیگر از خاص‌ترین interactom های پروتئین را برای گیرنده‌های سطح سلولی تجزیه و تحلیل کرد که گیاهان را قادر به دیدن، شنیدن، بوییدن و پاسخ دادن به نشانه‌ها و خطرات زیست محیطی، مخصوصا پاتوژن‌های سرطانی، می‌کند. این شبکه، interactom سطح سلولی نامیده می‌شود.
برای پروتئین‌های داخل سلول، آن‌ها ابتدا بیش از ۴۳۰۰ ژن کدکننده پروتئینArabidopsis را به پنج دسته از صفات قابل مشاهده، که به عنوان فنوتیپ شناخته می‌شوند، انطباق دادند. پنج گروه فنوتیپی، ژن‌های ضروری برای بقای گیاه هستند و ژن‌های مورفولوژیکی شکل و ظاهر گیاه را کنترل می‌کنند.
هنگامی که آن‌ها فنوتیپ‌ها را با یک شبکه interactom پروتئین که قبلاً نقشه‌بندی کرده بودند، ارتباط دادند، هاب بزرگ و گره‌هایی را کشف کردند که برای ژن‌های شرطی فنوتیپ، غنی‌سازی شده و برای ژن‌های ضروری، ضعیف شده بودند. این مورد با قانون بحث برانگیز معادل بودن گره‌های ضروری با گره‌های مرکزی که در اینتراکتوم پروتئین مخمر دیده شد در تضاد است. طبق این قانون هاب بزرگ و گره‌ها تنها شامل ژن‌های ضروری می‌شوند.
پاتوژن‌های Arabidopsis قادر به تزریق پروتئین‌های پاتوژن به سلول‌های گیاهی هستند و این پروتئین‌های تزریقی، شبکه گیاه را به نفع پاتوژن، دستکاری می‌کنند. پیش از این، مختار و همکارانش دو شبکه تعامل بین گونه‌ای گیاه و پاتوژن بین پروتئین‌های پاتوژن و پروتئین‌های Arabidopsis داخل سلول ایجاد کرده بودند.
این تیم متوجه شد که هاب‌های بزرگ در interactom Arabidopsis تنها ۵/۶ درصد از اهداف پروتئین‌های پاتوژن را تشکیل می‌دهند، که این امر مسیرهای محدودی را برای شناسایی اهداف با استفاده از سیستم بیولوژی ایجاد می‌کند. اما زمانی که محققان یک روش به نام تجزیه وزنی k-shell که در تجزیه و تحلیل‌های اخیر شبکه‌های اجتماعی مورد استفاده قرار می‌گیرد را به منظور شناسایی بهترین پخش‌کننده‌های اطلاعات به کار بردند، گره‌های پروتئین Arabidopsis در لایه‌های داخلی تجزیه k-shell تا ۳۳ درصد واقعاً اهداف پاتوژن بودند. بدین‌ترتیب آنالیز تجزیه k-shell از دیگر روش‌های محاسبه مرکزیت برای کشف هدف افکتور، پیشی می‌گیرد.
برای آزمایش این یافته‌ها، آن‌ها یک شبکه غیر مرتبط interactom سطح سلول را بررسی کردند. از تجزیه و تحلیل k-shell پیش‌بینی شد که ۳۵ مورد از پروتئین‌های سطح سلول، موثرترین پخش‌کننده‌های اطلاعات بودند. هنگامی که پروتئین‌های داخلی و پروتئین‌های سطح سلول، برای بررسی تعاملات با پروتئین‌ها در Pseudomonas syringae که یک پاتوژن باکتریایی است آزمایش شدند، محققان توانستند ۴۰ درصد از هفت هدف شناخته نشده را شناسایی کنند. این کشف، می‌تواند موجب شناسایی اهداف پروتئینی شناخته نشده که توسط پاتوژن‌های گیاهی هدف قرار می گیرند، بشود.
✳️ مترجم: آزاده داودی
✅ لینک خبر
