Учёные раскрыли код клеточного движения с помощью методов Data Science

Учёные из Детской исследовательской больницы Сент-Джуд и Медицинского колледжа Висконсина создали фреймворк в области Data Science для лучшего понимания того, как клетки перемещаются по телу.

Исследователи проанализировали хемокины и связанные с ними G-белковые рецепторы (GPCR) — белки, управляющие движением клеток. Они обнаружили, что конкретные позиции в структурированных и неупорядоченных областях обоих белков определяют, как хемокины и GPCR связываются друг с другом. Учёные использовали эту информацию, чтобы искусственно изменить предпочтения связывания хемокин-GPCR и повлиять на последующую миграцию клеток.

Такое понимание может улучшить лечение заболеваний, например, усилить способность клеточных терапий достигать опухолей, и прояснить здоровые процессы, такие как развитие сердца и кровеносных сосудов. Результаты опубликованы в журнале Cell.

Неупорядоченные области обеспечивают специфичность связывания

Учёные выяснили, как хемокины и их рецепторы выбирают конкретных членов семейства GPCR, проводя интеллектуальный анализ данных о белковых последовательностях и структурной информации. Они сравнили все человеческие GPCR, связывающие хемокины, и все хемокины, а затем сравнили похожие белки у других видов.

"Мы обнаружили, что информация о том, как хемокины и GPCR выбирают друг друга, хранится в небольших дискретных пакетах высоко неупорядоченных областей", — сказал первый автор Эндрю Клейст.

Исследователи обнаружили, что неупорядоченные области в этих белках действуют как приватные ключи, а структурированные области — как публичные ключи. Взаимодействие неупорядоченной области хемокина со структурированной областью GPCR в контексте высокоструктурированных частей каждого белка даёт клеткам уникальный химический идентификатор для каждой пары, подобно проверке пары публичного и приватного ключей.

Рациональное изменение миграции клеток

"Как только мы поняли, как эти белки взаимодействуют, мы продемонстрировали, что можем рационально их мутировать, чтобы получить новые свойства", — сказал старший автор М. Мадан Бабу.

Исследователи изменили области, определяющие селективность выбранного хемокина, чтобы изменить его предпочтения связывания с рецептором. Они показали, что могут изменить движение T-клеток, подавив сигнал, который обычно останавливает их миграцию.

Перспективы для терапии

"Теперь, когда мы показали доказательство концепции, наш подход будет направлять исследования новых лекарств и улучшений существующих клеточных терапий", — отметил Клейст.

Например, можно будет создавать молекулы, которые лучше направляют иммунные клетки к раковым опухолям или помогают рекрутировать больше стволовых клеток крови для трансплантации костного мозга. Любая терапия, использующая движение клеток, теоретически может выиграть от применения этих принципов.

Чтобы это стало возможным, авторы опубликовали свой фреймворк Data Science в открытом доступе. Этот ресурс — первый шаг к превращению манипуляции клеточным движением из концепции в реальность для пациентов.