Evolutie ontrafeld: hoe eiwitstructuren oeroude biologische connecties verduidelijken

AmsterdamEen baanbrekende studie gepubliceerd in Nature Communications onthult dat inzicht in de driedimensionale vormen van eiwitten onderzoekers kan helpen om oude evolutionaire verbanden bloot te leggen. Onder leiding van Dr. Cedric Notredame en Dr. Leila Mansouri van het Centre for Genomic Regulation, toont de studie aan dat eiwitstructuren een betrouwbaardere methode bieden voor het construeren van evolutionaire stambomen dan alleen DNA-sequenties.

Traditionele evolutionaire bomen baseren zich op het vergelijken van DNA- of eiwitsequenties om relaties tussen soorten te identificeren. Op de lange termijn kunnen deze sequenties echter sterk veranderen, wat het moeilijk maakt om gemeenschappelijke voorouders te achterhalen. Dit probleem, bekend als sequentiesaturatie, leidt vaak tot onnauwkeurige evolutionaire bomen. Uit het onderzoek blijkt dat eiwitstructuren veel consistenter blijven in de tijd, wat een stabielere basis biedt voor het begrijpen van de evolutionaire geschiedenis.

Wat deze aanpak opmerkelijk maakt:

• Maakt gebruik van eiwitstructuren om de evolutiegeschiedenis te achterhalen.
• Integreert eiwitstructuren met genetische sequenties voor meer nauwkeurigheid.
• Minder beïnvloed door veranderingen in de tijd dan genetische gegevens alleen.
• Heeft potentieel om het begrip van menselijke kinasen te verbeteren, cruciaal voor geneesmiddelontwikkeling.
• Helpt om evolutionaire verbanden te identificeren, zelfs van een miljard jaar geleden.

Door zich te richten op de fysieke vorm van eiwitten, maten onderzoekers de intra-moleculaire afstanden (IMD's) om evolutionaire geschiedenissen in kaart te brengen. Ze ontdekten dat bomen die waren gemaakt van structurele data nauw overeenkwamen met diegenen die waren opgebouwd uit genomische sequenties, maar met minder afwijkingen. Deze gecombineerde benadering stelt wetenschappers in staat om nauwkeurige en onnauwkeurige relaties effectiever te onderscheiden.

Deze ontdekking kan een grote invloed hebben op verschillende vakgebieden, zoals biotechnologie en ziekteonderzoek. Het kan ons begrip verbeteren van hoe ziektes zich ontwikkelen, wat helpt bij de ontwikkeling van nieuwe vaccins en behandelingen. Door de relaties van eiwitten zoals kinasen, die een cruciale rol spelen in cellulaire functies, te onderzoeken, kunnen wetenschappers beter gerichte therapieën ontwikkelen voor ziekten zoals kanker. Deze studie biedt kansen om de evolutie van eiwitten op een ongekend grote schaal te verkennen, wat potentiële voordelen heeft voor diverse domeinen van wetenschap en geneeskunde.

Overwinning van evolutionaire verzadiging

De uitdaging van evolutionaire verzadiging vormt een belangrijk obstakel bij het begrijpen van het verre verleden van het leven op aarde. Over zeer lange tijdspannen kunnen DNA-sequenties ingrijpend veranderen, waardoor het moeilijk wordt om hun oorspronkelijke vormen te achterhalen. Dit bemoeilijkt het opstellen van nauwkeurige evolutionaire stambomen, die wetenschappers gebruiken om de relaties tussen soorten en genen te begrijpen.

Om dit probleem aan te pakken, richten onderzoekers zich nu op eiwitstructuren. Deze driedimensionale vormen zijn langduriger stabiel in vergelijking met hun sequenties. Ze veranderen langzaam en behouden oude kenmerken die in de sequenties verloren kunnen gaan. In deze baanbrekende benadering hebben onderzoekers de afstanden gemeten tussen specifieke delen van eiwitstructuren, die bekend staan als intra-moleculaire afstanden. Hier is waarom deze methode invloedrijk is:

• Het onthult evolutionaire verbanden betrouwbaarder wanneer DNA-sequenties tekortschieten.
• Door structurele en genomische gegevens te combineren, wordt de nauwkeurigheid van evolutionaire stambomen verbeterd.
• Het biedt nieuwe mogelijkheden om oude relaties tussen eiwitfamilies te bestuderen.

Met deze nieuwe methode is het niet noodzakelijk dat eiwitten experimenteel bepaalde structuren hebben. Dit is van belang vanwege de enorme hoeveelheid structurele data die voorspeld wordt door tools zoals AlphaFold 2. Er zijn miljoenen eiwitsequenties, en dat aantal zal naar verwachting toenemen met projecten zoals het EarthBioGenome project.

Het begrijpen van deze verbindingen is belangrijker dan alleen historische nieuwsgierigheid. Eiwitkinasen spelen een cruciale rol in veel cellulaire functies en zijn belangrijke doelen in kankertherapieën. Door een nauwkeuriger evolutionaire stamboom van kinasen te creëren, kunnen onderzoekers beter begrijpen hoe deze eiwitten functioneren, hun interacties met medicijnen en mogelijk behandelingen verbeteren. De gevolgen reiken verder dan de menselijke gezondheid; ze dragen bij aan de ontwikkeling van vaccins en het begrijpen van de evolutie van ziekten, onder andere toepassingen. De studie van eiwitstructuren kan unieke inzichten bieden waar genetische gegevens alleen tekortschieten, waardoor we het oude verhaal van het leven beter kunnen samenstellen.

Implicaties voor de geneeskunde

Een recent onderzoek naar de vormen van eiwitten heeft belangrijke gevolgen voor de geneeskunde. De structuren van eiwitten bieden nieuwe manieren om ziekten te begrijpen en behandelingen te verbeteren. Hier zijn enkele potentiële medische voordelen:

• Optimalisering van geneesmiddelenontwerp: Door de vorm van eiwitten beter te begrijpen, kunnen effectievere medicijnen worden ontwikkeld. Met kennis van de structurele interactie van eiwitten kunnen wetenschappers medicijnen ontwerpen die beter passen en efficiënter werken.
• Verbetering van kankerbehandelingen: Veel kankertherapieën richten zich op specifieke eiwitten zoals kinases. Door gedetailleerdere evolutionaire bomen van deze eiwitten kunnen we preciezere kankergeneesmiddelen ontwikkelen.
• Versnelling van vaccinontwikkeling: Inzichten in de evolutie van eiwitten helpen om ziekteverwekkers beter te begrijpen. Deze kennis draagt bij aan het creëren van vaccins die zich richten op kwetsbaarheden in virussen en bacteriën.
• Opsporen van ziekte-evolutie: Door eiwitstructuren te onderzoeken, krijgen we aanwijzingen over hoe ziektes in de loop der tijd zijn veranderd. Deze informatie helpt bij het voorspellen van toekomstige veranderingen en het voorbereiden van nieuwe behandelingen.
• Vooruitgang in biotechnologie: Eiwitengineering binnen de biotechnologie kan profiteren van dit onderzoek, wat leidt tot nieuwe enzymen en bio-producten.

Door eiwitstructuren te combineren met genetische data krijgen we een completer beeld van de evolutie van het leven. Deze gecombineerde benadering vermindert fouten die ontstaan bij het uitsluitend vertrouwen op genetische sequenties, aangezien deze over lange tijd kunnen veranderen. Hiermee kunnen we verbanden zien die voorheen verborgen waren.

In de geneeskunde betekent dit betrouwbaardere modellen van hoe eiwitten, en daarmee ook ziekten, zich hebben ontwikkeld. Neem bijvoorbeeld kinasen; zij spelen een cruciale rol in veel cellulaire processen en zijn het doelwit van talloze geneesmiddelen. Door hun evolutie beter te begrijpen, kunnen deze behandelingen aangescherpt worden, wat mogelijk leidt tot betere resultaten voor patiënten.

Verbeterde evolutionaire bomen kunnen verder gaan dan alleen onderzoek naar kinases. Ze zijn nuttig voor het opsporen van eiwitten die in verband staan met genetische aandoeningen, wat kan leiden tot betere diagnostiek of behandelingen. Met een diepgaandere kennis van eiwitevolutie kunnen onderzoekers behandelingen afstemmen op iemands genetische profiel of voorspellen hoe ziekten op nieuwe medicijnen zullen reageren.

De integratie van eiwitstructuren in medisch onderzoek biedt een veelbelovende toekomst. Het creëert nieuwe mogelijkheden om complexe eigenschappen en ziekteprocessen te verkennen, wat uiteindelijk leidt tot innovaties in de gezondheidszorg.