Proteoma

Esquema geral mostrando as relações do genoma, transcriptoma, proteoma e metabolome (lipidoma).

O proteoma é todo o conjunto de proteínas que é, ou pode ser, expresso por um genoma, célula, tecido ou organismo em um determinado momento. É o conjunto de proteínas expressas em um determinado tipo de célula ou organismo, em um determinado momento, em condições definidas. A proteômica é o estudo do proteoma.

Tipos de proteomas

Enquanto proteoma geralmente se refere ao proteoma de um organismo, organismos multicelulares podem ter proteomas muito diferentes em células diferentes, portanto, é importante distinguir proteomas em células e organismos.

Um proteoma celular é a coleção de proteínas encontradas em um determinado tipo de célula sob um determinado conjunto de condições ambientais, como a exposição à estimulação hormonal.

Também pode ser útil considerar o proteoma completo de um organismo, que pode ser conceituado como o conjunto completo de proteínas de todos os vários proteomas celulares. Isso é aproximadamente o equivalente de proteína do genoma.

O termo proteoma também tem sido usado para se referir à coleção de proteínas em certos sistemas subcelulares, como organelas. Por exemplo, o proteoma mitocondrial pode consistir em mais de 3.000 proteínas distintas.

As proteínas em um vírus podem ser chamadas de proteoma viral. Normalmente, os proteomas virais são previstos a partir do genoma viral, mas algumas tentativas foram feitas para determinar todas as proteínas expressas a partir de um genoma viral, ou seja, o proteoma viral. Mais frequentemente, no entanto, a proteômica viral analisa as alterações das proteínas do hospedeiro após a infecção do vírus, de modo que, na verdade, são estudados dois proteomas (do vírus e de seu hospedeiro).

Importância no câncer

O proteoma pode ser usado para determinar a presença de diferentes tipos de câncer.

O proteoma pode ser usado para analisar comparativamente diferentes linhagens celulares de câncer. Estudos proteômicos foram usados para identificar a probabilidade de metástase nas linhagens de células de câncer de bexiga KK47 e YTS1 e foram encontradas 36 proteínas não reguladas e 74 reguladas negativamente. As diferenças na expressão da proteína podem ajudar a identificar novos mecanismos de sinalização do câncer.

Biomarcadores de câncer foram encontrados por análises proteômicas baseadas em espectrometria de massa. O uso de proteômica ou o estudo do proteoma é um passo à frente na medicina personalizada para adaptar coquetéis de drogas ao perfil proteômico e genômico específico do paciente. A análise de linhas celulares de câncer de ovário mostrou que biomarcadores putativos para câncer de ovário incluem "α-enolase (ENOA), fator de alongamento Tu, mitocondrial (EFTU), gliceraldeído-3-fosfato desidrogenase (G3P), proteína stress-70, mitocondrial (GRP75), apolipoproteína A-1 (APOA1), peroxiredoxina (PRDX2) e anexina A (ANXA)".

Análise proteômica comparativa de 11 linhagens celulares demonstrou a similaridade entre os processos metabólicos de cada linhagem celular; 11.731 proteínas foram completamente identificadas a partir deste estudo. Proteínas domésticas tendem a mostrar maior variabilidade entre linhagens celulares.

A resistência a certos medicamentos contra o câncer ainda não é bem compreendida. A análise proteômica tem sido usada para identificar proteínas que podem ter propriedades de drogas anticancerígenas, especificamente para a droga de câncer de cólon irinotecano. Estudos da linha celular de adenocarcinoma LoVo demonstraram que 8 proteínas estavam desreguladas e 7 proteínas eram reguladas negativamente. Proteínas que apresentaram expressão diferencial estiveram envolvidas em processos como transcrição, apoptose e proliferação/diferenciação celular entre outros.

O proteoma em sistemas bacterianos

As análises proteômicas foram realizadas em diferentes tipos de bactérias para avaliar suas reações metabólicas a diferentes condições. Por exemplo, em bactérias como Clostridium e Bacillus, análises proteômicas foram usadas para investigar como diferentes proteínas ajudam cada um dos esporos dessas bactérias a germinar após um período prolongado de dormência. Para entender melhor como eliminar adequadamente os esporos, a análise proteômica deve ser realizada.

História

Marc Wilkins cunhou o termo proteoma em 1994 em um simpósio sobre "Eletroforese 2D: de mapas de proteínas a genomas" realizada em Siena, na Itália. Apareceu impresso em 1995, com a publicação de parte de sua tese de doutorado. Wilkins usou o termo para descrever todo o complemento de proteínas expressas por um genoma, célula, tecido ou organismo.

Tamanho e conteúdo

Os genomas de vírus e procariontes codificam um proteoma relativamente bem definido, pois cada proteína pode ser prevista com alta confiança, com base em seu quadro de leitura aberto (em vírus que variam de ~3 a ~1000, em bactérias variando de cerca de 500 proteínas a cerca de 10.000). No entanto, a maioria dos algoritmos de previsão de proteínas usa certos limites, como 50 ou 100 aminoácidos, portanto, proteínas pequenas geralmente são perdidas por essas previsões. Em eucariotos, isso se torna muito mais complicado, pois mais de uma proteína pode ser produzida a partir da maioria dos genes devido ao splicing alternativo (por exemplo, o proteoma humano codifica cerca de 20.000 proteínas, mas algumas estimativas previram 92.179 proteínas, das quais 71.173 são variantes de splicing).

Proteoformas. Existem diferentes fatores que podem adicionar variabilidade às proteínas. SAPs (polimorfismos de aminoácido único) e polimorfismos de nucleotídeo único não sinônimos (nsSNPs) podem levar a diferentes "proteoformas" ou "proteomorfos". Estimativas recentes encontraram cerca de 135.000 cSNPs não sinônimos validados atualmente alojados no SwissProt. No dbSNP, existem 4,7 milhões de cSNPs candidatos, mas apenas ~ 670.000 cSNPs foram validados nos 1.000 genomas definidos como cSNPs não sinônimos que alteram a identidade de um aminoácido em uma proteína.

Proteoma escuro. O termo proteoma escuro, cunhado por Perdigão e colegas, define regiões de proteínas que não possuem homologia de sequência detectável com outras proteínas de estrutura tridimensional conhecida e, portanto, não podem ser modeladas por homologia. Para 546.000 proteínas Swiss-Prot, 44-54% do proteoma em eucariotos e vírus foi encontrado como "escuro", em comparação com apenas 14% em archaea e bactérias.

Proteoma humano. Atualmente, vários projetos visam mapear o proteoma humano, incluindo o Human Proteome Map, ProteomicsDB, isoform.io e The Human Proteome Project (HPP). Muito parecido com o projeto do genoma humano, esses projetos buscam encontrar e coletar evidências para todos os genes codificadores de proteínas previstos no genoma humano. O Human Proteome Map atualmente (outubro de 2020) reivindica 17.294 proteínas e o ProteomicsDB 15.479, usando critérios diferentes. Em 16 de outubro de 2020, o HPP publicou um projeto de alta rigidez cobrindo mais de 90% dos genes codificadores de proteínas previstos. As proteínas são identificadas a partir de uma ampla gama de tecidos fetais e adultos e tipos de células, incluindo células hematopoiéticas.

Métodos para estudar o proteoma

Esta imagem mostra um gel bidimensional com proteínas codificadas a cores. Esta é uma maneira de visualizar proteínas com base em sua massa e ponto isoelétrico.

Analisar proteínas revela-se mais difícil do que analisar sequências de ácidos nucleicos. Embora existam apenas 4 nucleotídeos que compõem o DNA, existem pelo menos 20 aminoácidos diferentes que podem compor uma proteína. Além disso, atualmente não há tecnologia de alto rendimento conhecida para fazer cópias de uma única proteína. Numerosos métodos estão disponíveis para estudar proteínas, conjuntos de proteínas ou todo o proteoma. De fato, as proteínas são frequentemente estudadas indiretamente, por ex. usando métodos computacionais e análises de genomas. Apenas alguns exemplos são dados abaixo.

Técnicas de separação e eletroforese

A proteômica, o estudo do proteoma, tem sido largamente praticada através da separação de proteínas por eletroforese bidimensional em gel. Na primeira dimensão, as proteínas são separadas por focalização isoelétrica, que resolve as proteínas com base na carga. Na segunda dimensão, as proteínas são separadas por peso molecular usando SDS-PAGE. O gel é corado com Coomassie azul brilhante ou prata para visualizar as proteínas. As manchas no gel são proteínas que migraram para locais específicos.

Espectrometria de massa

Um espectrômetro de massa Orbitrap comumente usado em proteômica

A espectrometria de massa é um dos principais métodos para estudar o proteoma. Alguns métodos importantes de espectrometria de massa incluem espectrometria de massa Orbitrap, MALDI (dessorção/ionização de laser assistida por matriz) e ESI (ionização por eletrospray). A impressão digital da massa peptídica identifica uma proteína dividindo-a em peptídeos curtos e, em seguida, deduz a identidade da proteína comparando as massas peptídicas observadas com um banco de dados de sequências. A espectrometria de massa em tandem, por outro lado, pode obter informações de sequência de peptídeos individuais isolando-os, colidindo-os com um gás não reativo e, em seguida, catalogando os fragmentos de íons produzidos.

Em maio de 2014, um rascunho do mapa do proteoma humano foi publicado na Nature. Este mapa foi gerado usando espectrometria de massa de transformada de Fourier de alta resolução. Este estudo traçou o perfil de 30 amostras humanas histologicamente normais, resultando na identificação de proteínas codificadas por 17.294 genes. Isso representa cerca de 84% do total de genes codificadores de proteínas anotados.

Cromatografia

A cromatografia líquida é uma ferramenta importante no estudo do proteoma. Ele permite a separação muito sensível de diferentes tipos de proteínas com base em sua afinidade por uma matriz. Alguns métodos mais recentes para a separação e identificação de proteínas incluem o uso de colunas capilares monolíticas, cromatografia de alta temperatura e eletrocromatografia capilar.

Bloting

Western blotting pode ser usado para quantificar a abundância de certas proteínas. Usando anticorpos específicos para a proteína de interesse, é possível sondar a presença de proteínas específicas de uma mistura de proteínas.

Ensaios de complementação de proteínas e telas de interação

Ensaios de complementação de fragmentos de proteína são frequentemente usados para detectar interações proteína-proteína. O ensaio de dois híbridos de levedura é o mais popular deles, mas existem inúmeras variações, tanto usadas in vitro quanto in vivo. Os ensaios pull-down são um método para determinar com quais tipos de proteínas uma proteína interage.

Previsão da estrutura da proteína

A previsão da estrutura da proteína pode ser usada para fornecer previsões tridimensionais da estrutura da proteína de proteomas inteiros. Em 2022, uma colaboração em larga escala entre EMBL-EBI e DeepMind forneceu estruturas previstas para mais de 200 milhões de proteínas de toda a árvore da vida. Projetos menores também usaram a previsão da estrutura da proteína para ajudar a mapear o proteoma de organismos individuais, por exemplo, isoform.io fornece cobertura de várias isoformas de proteínas para mais de 20.000 genes no genoma humano.

Bancos de dados de proteínas

O Human Protein Atlas contém informações sobre as proteínas humanas em células, tecidos e órgãos. Todos os dados no recurso de conhecimento são de acesso aberto para permitir que os cientistas, tanto na academia quanto na indústria, acessem livremente os dados para exploração do proteoma humano. A organização ELIXIR selecionou o atlas de proteínas como um recurso central devido à sua importância fundamental para uma comunidade mais ampla de ciências da vida.

O banco de dados Plasma Proteome contém informações sobre 10.500 proteínas do plasma sanguíneo. Como a variação no conteúdo de proteínas no plasma é muito grande, é difícil detectar proteínas que tendem a ser escassas quando comparadas com proteínas abundantes. Existe um limite analítico que possivelmente pode ser uma barreira para a detecção de proteínas com concentrações ultrabaixas.

Bases de dados como neXtprot e UniProt são recursos centrais para dados proteômicos humanos.