Функции и эволюция РНК-полимераз в митохондриях и пластидах

• Автор: Зверков, Олег Анатольевич
• Шифр специальности: 03.01.09
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 112 с. : ил.

СОДЕРЖАНИЕ
Введение
1. Общая характеристика работы
2. Основные результаты и выводы
Публикации автора по теме диссертации
3. Используемые сведения о митохондриях и пластидах
3 1 Митохондрии у хордовых лягушки, человека и крысы
3 2 Структура и взаимное распоюжение промоторов
3 3 Влияние белковых факторов на уровни транскрипции
3 4 mTERF-зависимая терминация транскрипции
3 5 Белок-независимый терминатор транскрипции
3 6 MELAS болезни
3 7 Время полураспада РНК
3 8 Пластиды растений и водорослей
3 9 Конкуренция РНК-полимераз
3 10 Нокауты генов а-субъединиц РНК-полимераз
3 11 Тепловой шок изолированных хчоротастов
3 12 Анализ других экспериментальных данных
3 13 Заключение
ГЛАВА 1. Взаимодействие РНК-полимераз в митохондриях и пластидах
1. Примеры локусов в митохондриях и пластидах
2. Модель взаимодействия РНК-полимераз
3. Параметры модели
3 1 Параметры РНК-полимеразы бактериального типа (РЕР)
3 2 Параметры РЕР-промоторов и число абортивных попыток
3 3 Параметры РНК-полимеразы фагового типа (NEP)
4. Экспериментальные данные об уровнях транскрипции генов и временах полураспада
4 1 Данные о митохондриях
4 2 Данные о пластидах
5. Оценка согласия с опытом

6. Методика моделирования
б. 1. Обоснование модели
6.2. Случай митохондрий
7. Компьютерная реализация модели
8. Результаты о митохондриях
9. Результаты о пластидах
10. Обсуждение результатов о митохондриях
11. Обсуждение результатов о пластидах
12. Заключение
ГЛАВА 2. Семейства белков, кодируемых в пластидах
1. Введение и постановка задачи
1.1. Пластиды родофитной ветви
1.2. Пластиды хлорофитной ветви
1.3. Пластиды цветковых растений
2. Результаты
2.1. Алгоритм кластеризации
Пример работы алгоритма
2.2. Кластеризация белков родофитной ветви пластид
2.2.1. Характеристика кластеров пластомных белков родофитной ветви
2.2.2. Поиск РНК-полимераз в ядерных геномах споровиков
2.2.3. Обсуждение результатов кластеризации для родофитной ветви
2.3. Кластеризация белков хлорофитной ветви пластид
2.3.1. Характеристика кластеров пластомных белков хлорофитной ветви
2.3.2. Обсуждение результатов кластеризации для хлорофитной ветви
2.3.3. Дополнительное исследование кластеров СуяА и СуяТ
2.4. Кластеризация пластомных белков однодольных растений
2.5. Кластеризация пластомных белков цветковых растений
ГЛАВА 3. Сопряжение трансляции и процессинга мРНК в пластидах
1. Введение и постановка задачи
2. Материалы и методы
3. Результаты
4. Обсуждение
Список ИСПОЛЬЗОВАННЫХ источников

ВВЕДЕНИЕ
1. Общая характеристика работы
Актуальность темы
В биоинформатике велико значение быстрых и эффективных алгоритмов, поскольку зачастую возникают входные данные весьма большого объёма. Известные и новые методы вычислений требуют адаптации к работе на многопроцессорных вычислительных комплексах (суперкомпьютерах), которые стали в последнее время значительно доступнее.
К настоящему времени известны сотни полностью секвенированных геномов пластид, тысячи геномов митохондрий, скорость пополнения баз данных геномной информации растёт экспоненциальными темпами. Возникает такой объём информации, что доля геномов, доступных биохимическому исследованию, становится всё меньше. Поэтому возникает потребность в эффективных и быстрых алгоритмах компьютерного анализа данных, а также в создании специализированных баз данных. Существенно, чтобы алгоритмы опирались на «точные модели», т.е. было доказано, что они приводят к глобальным экстремумам соответствующих функционалов, имели низкую вычислительную сложность (полином 2-3 степени) и допускали эффективное распараллеливание.
Моделирование клеточных процессов требует нетривиальных алгоритмов и является важным инструментом биоинформатического исследования. Оно позволяет предсказать значения параметров биохимических процессов (например, инициации, элонгации и терминации транскрипции), которые трудно измерить непосредственно, а также - решить нетривиальную обратную задачу: выбрать значения параметров, кото-рые соответствуют экспериментальным зависимостям-.
Экспериментальные исследования, в том числе проведённые в Институте физиологии растений им. К. А. Тимирязева РАН (Зубо и др.), позволили предположить важную роль взаимодействия РНК-полимераз в процессе транскрипции пластомов растений и в ответе пластид на тепловой шок. Для проверки этого предположения и предсказания параметров, не определяемых в экспериментах, была поставлена задача моделирования процесса транскрипции в пластидах с одновременным участием многих РНК-полимераз, факторов и вторичных структур, взаимодействующих друг с другом. Затем задача была расширена на моделирование транскрипции в митохондриях.

Таблица 1.2. Число транскрипций в модели за 9 часов моделируемого времени для 48 часовых эмбрионов лягушек, а также для человека и крысы. Приведено среднее значение ± стандартное отклонение (по 1000 реализаций). В строке “Competition” указан процент РНК-полимераз, сорвавшихся с ДНК в результате столкновения с встречной полимеразой: для тяжёлой цепи (Н-цепь) - на участке от начала сайта mTERF до конца tRNA-Thr, на лёгкой цепи (L-цепь) - от начала tRNA-Pro до конца tRNA-Gln.
Ген Frog 1 Xenopus laevis Frog 2 Frog3 Homo sapiens WT MELAS Rattus norvegicus Эутиреоид Гипотиреоид
Н-цепь:
tRNA-Phe 3074 ±271 5003 ±818 2835± 1345 123 ± 27 32 ± 24 1215 ± 51 556 ±
12S 3004 ±276 4931 ± 831 2815 ± 1348 527 ± 24 438 ± 21 2362 ± 46 1090 ±
tRNA-Val 2998 ± 277 4926 ±830 2813 ± 1348 527 ± 24 438 ± 21 2361 ± 46 1090 ±
16S 2865 ± 288 4799 ±855 2779 ± 1351 527 ± 24 438 ± 21 2323 ± 46 1073 ±
tRNA-Leu 2012 ±272 3981 ± 808 2495 ± 1346 22 ± 5 19 ± 5 257 ± 19 86 ±
ND1 1934 ±274 3908 ± 819 2475 ± 1349 22 ± 5 19 ± 5 229 ± 19 75 ±
tRNA-Ile 1929 ±275 3903 ± 820 2474± 1349 22 ± 5 19 ± 5 227 ± 19 74 ±
tRNA-Met 1920 ±276 3895 ± 820 2471 ± 1349 22 ± 5 19 ± 5 223 ± 19 72 ±
ND2 1849 ±283 3828 ± 833 2454± 1349 22 ± 5 19 ± 5 197 ± 18 62 ±
tRNA-Trp 1844 ± 282 3824 ± 834 2453 ± 1350 22 ± 5 19 ± 5 195 ± 18 62 ±
COX1 1745 ±284 3720 ± 856 2426± 1352 22 ± 5 18 ± 5 156 ± 16 48 ±
tRNA-Asp 1737 ±284 3713 ± 857 2424± 1352 22 ± 5 18 ± 5 153 ± 16 47 ±
COX2 1703 ±285 3676 ± 861 2416 ± 1352 22 ± 5 18 ± 5 141 ± 15 42 ±
tRNA-Lys 1700 ±286 3673 ± 861 2415 ± 1353 22 ± 5 18 ± 5 140 ± 15 42 ±
ATP6/8 1665 ±289 3638 ± 866 2405 ±1353 21 ± 5 18 ± 5 125 ± 15 37 ±
COX3 1634 ±290 3604 ± 868 2397± 1354 21 ± 5 18 ± 5 114 ± 14 34 ±
tRNA-Gly 1631 ±290 3601 ± 868 2396± 1354 21 ± 5 18 ± 5 113 ± 14 33 ±
ND3 1614 ± 293 3584 ± 869 2391 ± 1355 21 ± 5 18 ± 5 109 ± 14 32 ±
tRNA-Arg 1611 ±293 3582 ± 869 2390± 1354 21 ± 5 18 ± 5 108 ± 14 31 ±
ND4 1524 ± 291 3487 ± 878 2364 ± 1357 21 ± 5 18 ± 5 87 ± 12 25 ±
tRNA-His 1520 ±290 3481 ± 879 2363± 1357 21 ± 5 18 ± 5 86 ± 12 25 ±
tRNA-Ser2 1516 ±291 3477 ± 880 2362± 1357 21 ± 5 18 ± 5 86 ± 13 24 ±
tRNA-Leu2 1510 ± 291 3472 ± 879 2361 ± 1358 21 ± 5 18 ± 5 85 ± 13 24 ±
ND5 1400 ±288 3323 ± 892 2319 ± 1365 21 ± 5 18 ± 5 67 ± 10 19 ±
CYTB 1273 ±282 3120 ± 886 2259± 1369 21 ± 5 18 ± 5 53 ± 10 15 ±
tRNA-Thr 1267 ±281 3111 ±887 2255± 1369 21 ± 5 18 ± 5 53 ± 10 15 ±
Competition 37% 22% 10% 5% 5% 79% 83%

L-цепь:
tRNA-Pro 1605± 143 1585 ± 221 741 ± 151 35 ± 7 36 ± 5 1236 ± 34 1248 ±
tRNA-Glu 1505 ± 150 1421 ± 229 693 ± 152 35 ± 7 36 ± 5 1227 ± 34 1245 ±
ND6 1469± 153 1368 ±233 677 ± 151 35 ± 7 36 ± 5 1222 ± 34 1244 ±
tRNA-Ser 1124 ± 150 972 ± 214 572± 144 34 ± 7 35 ± 5 1133 ± 36 1215 ±
tRNA-Tyr 1040 ± 151 883 ± 198 549 ± 144 34 ± 7 35 ± 5 1099 ± 37 1203±
tRNA-Cys 1036 ± 149 879 ± 196 548± 144 34 ± 7 35 ± 5 1098 ± 37 1202 ±
tRNA-Asn 1030 ± 149 871 ± 194 547± 144 34 ± 7 35 ± 5 1095 ± 37 1202 ±
tRNA-Ala 1026 ± 151 867 ± 194 546± 143 34 ± 7 35 ± 5 1094 ± 37 1201±
tRNA-Gln 941 ± 147 788 ± 184 525± 140 34 ± 7 35 ± 5 1062± 37 1188 ±
Competition 41% 50% 29% 3% 3% 14% 5%