ヒトウイルス上のキナーゼ基質特異性を持つタンパク質リン酸化部位の識別

ウイルスは人間に感染し、身体内で進行してさまざまな病気や合併症につながります。宿主キナーゼによって触媒されるウイルスタンパク質のリン酸化は、正常な宿主細胞機能の複製と阻害の強化において重要な調節役割を果たします。その生物学的重要性のため、ヒトウイルスのタンパク質リン酸化部位を特定したいという願望があります。ただし、質量分析ベースの実験の使用は、高価で労働集約的であることが証明されています。さらに、ヒトウイルスのリン酸化部位を特定した以前の研究には、責任あるキナーゼの調査は含まれていません。したがって、ヒトウイルス上のキナーゼ基質特異性を備えたタンパク質リン酸化部位を特定する新しい方法を提案するように動機付けられています。実験的に検証されたリン酸化データは、104人のヒトキナーゼリン酸化ウイルスタンパク質に関する301の実験的に検証されたリン酸化データを含むVIRPTMから抽出されました。ウイルスタンパク質のリン酸化部位のキナーゼ基質特異性を調査するために、最大依存性分解（MDD）を使用して、大幅に保存されたモチーフを含むサブグループに大量のリン酸化データをクラスター化します。実験的なヒトのリン酸化部位は、そのキナーゼアノテーションに従ってグループ化され、ウイルスMDDクラスターと比較して、ホスホ.ELMから収集されます。この調査では、公開された文献で確認されているように、触媒ウイルスタンパク質基質の潜在的なキナーゼとして、CK2、PKB、CDK、MAPKなどのヒトキナーゼを特定しています。次に、プロファイル隠されたマルコフモデルを適用して、各サブグループの予測モデルを学習します。MDDクラスター化されたHMMSの5倍のクロス検証評価により、セリンで平均精度は84.93％、スレオニンで78.05％が得られます。さらに、UniprotKBとPhospho.ELMから収集された独立したテストデータを使用して、3つの一般的なキナーゼ特異的リン酸化部位予測ツールの予測性能を比較します。独立したテストでは、提案された方法の高い感度と特異性は、特定された基質モチーフの予測効果と、ウイルスタンパク質リン酸化部位の潜在的なキナーゼを調査することの重要性を示しています。

Viruses infect humans and progress inside the body leading to various diseases and complications. The phosphorylation of viral proteins catalyzed by host kinases plays crucial regulatory roles in enhancing replication and inhibition of normal host-cell functions. Due to its biological importance, there is a desire to identify the protein phosphorylation sites on human viruses. However, the use of mass spectrometry-based experiments is proven to be expensive and labor-intensive. Furthermore, previous studies which have identified phosphorylation sites in human viruses do not include the investigation of the responsible kinases. Thus, we are motivated to propose a new method to identify protein phosphorylation sites with its kinase substrate specificity on human viruses. The experimentally verified phosphorylation data were extracted from virPTM--a database containing 301 experimentally verified phosphorylation data on 104 human kinase-phosphorylated virus proteins. In an attempt to investigate kinase substrate specificities in viral protein phosphorylation sites, maximal dependence decomposition (MDD) is employed to cluster a large set of phosphorylation data into subgroups containing significantly conserved motifs. The experimental human phosphorylation sites are collected from Phospho.ELM, grouped according to its kinase annotation, and compared with the virus MDD clusters. This investigation identifies human kinases such as CK2, PKB, CDK, and MAPK as potential kinases for catalyzing virus protein substrates as confirmed by published literature. Profile hidden Markov model is then applied to learn a predictive model for each subgroup. A five-fold cross validation evaluation on the MDD-clustered HMMs yields an average accuracy of 84.93% for Serine, and 78.05% for Threonine. Furthermore, an independent testing data collected from UniProtKB and Phospho.ELM is used to make a comparison of predictive performance on three popular kinase-specific phosphorylation site prediction tools. In the independent testing, the high sensitivity and specificity of the proposed method demonstrate the predictive effectiveness of the identified substrate motifs and the importance of investigating potential kinases for viral protein phosphorylation sites.