シーケンス類似性ネットワークを使用して、未開拓のシーケンス機能空間を明らかにします

公共のデータベースで見つかったタンパク質配列の急速に拡大することで、タンパク質の機能がどのように進化するかについての理解を深めることができます。ただし、タンパク質機能に関する現在の知識は、本質的に存在する多様なレパートリーのごく一部を表している可能性があります。統合的な計算方法は、タンパク質スーパーファミリー内の複雑な配列構造機能関係の観察と調査を通じて、新しいタンパク質機能と酵素反応の発見を促進することができます。ここでは、シーケンス類似性ネットワーク（SSNS）の使用を強調して、以前に未開のシーケンスと関数空間を識別します。ニトロレルダクターゼ（NTR）スーパーファミリーを使用して、このアプローチを例示します。SSN調査は、タンパク質のグループを分類するための迅速かつ効果的な手段を提供できることを実証し、したがって、新しい機能を示す可能性のある実験的に未開のシーケンスを暴露します。このようなアプローチの統合と系統的な実験的特性評価は、酵素の機能的多様性とそれに関連する生理学的役割の理解を拡大します。

The rapidly expanding number of protein sequences found in public databases can improve our understanding of how protein functions evolve. However, our current knowledge of protein function likely represents a small fraction of the diverse repertoire that exists in nature. Integrative computational methods can facilitate the discovery of new protein functions and enzymatic reactions through the observation and investigation of the complex sequence-structure-function relationships within protein superfamilies. Here, we highlight the use of sequence similarity networks (SSNs) to identify previously unexplored sequence and function space. We exemplify this approach using the nitroreductase (NTR) superfamily. We demonstrate that SSN investigations can provide a rapid and effective means to classify groups of proteins, therefore exposing experimentally unexplored sequences that may exhibit novel functionality. Integration of such approaches with systematic experimental characterization will expand our understanding of the functional diversity of enzymes and their associated physiological roles.