Bioinformatic analysis of T. pallidum specific antigens


Cite item

Full Text

Abstract

Using bioinformatics methods (PSI-BLAST, PSORTb, Cello, BOMP, TMBETADISC-PSSM, TMHMM, LipoP, UiB Lipo, SignalP servers), the authors analyzed sequences of fifteen T. pallidum proteins, which may be potential antigens for the diagnostics of the syphilitic infection. They revealed that Tp0259, Tp0453, Tp0608, Tp0326, Tp0249, Tp0136 and Tp0684 proteins may be promising for further studies.

About the authors

R F KHAIRULLIN

ФГБУ «ГНЦДК» Минздрава России

к.х.н., старший научный сотрудник отдела лабораторной диагностики ИППП и болезней кожи

S V ROTANOV

ФГБУ «ГНЦДК» Минздрава России

Email: rotanov@cnikvi.ru
д.м.н., ведущий научный сотрудник отдела лабораторной диагностики ИППП и болезней кожи

N V FRIGO

ФГБУ «ГНЦДК» Минздрава России

Email: frigo@cnikvi.ru
д.м.н., заместитель директора по научно-образовательной работе

A V BELOUSOVA

ФГБУ «ГНЦДК» Минздрава России

лаборант-исследователь отдела лабораторной диагностики ИППП и болезней кожи

References

  1. Черешнев В.А., Патрушева Н.Б., Бейкин Я.Б. и др. Сифилис: Иммунитет и лабораторная диагностика. Екатеринбург: УрО РАН; 200б.
  2. Соколовский Е., Фриго Н., Ротанов С. Руководство по лабораторной диагностике сифилиса в странах Восточной Европы. Вестн. дерматол. и венерол., 2008; (5): 87—96.
  3. Овчинников Н.М., Беднова В.Н., Делекторский В.В. Лабораторная диагностика заболеваний, передающихся половым путем. М.: Медицина, 1987.
  4. Китаева Н.В., Фриго Н.В., Мелехина Л.Е. Актуальные проблемы сифилидологии. Современные технологии диагностики сифилитической инфекции. Вестн. дерматол. и венерол., 2008; 5: 51—59.
  5. Китаева Н., Фриго Н., Ротанов С. и др. Перспективы диагностического использования протеомных технологий в диагностике ИППП и заболеваний кожи. Вестн. дерматол. и венерол., 2010; 4: 17—27.
  6. Sambri V., Marangoni A., Simone M. et al. Evaluation of recomWell Treponema, a novel recombinant antigen-based enzyme-linked immunosorbent assay for the diagnosis of syphilis. Clini microbiol and infect; 2001; 7 (4); 200—205.
  7. Sato N., Suzuki T., Ueda T. et al. Recombinant antigen-based immuno-slot blot method for serodiagnosis of syphilis. Braz Jf medi biol res; 2004; 37: (7): 949—955.
  8. Приказ Минздрава РФ № 87 от 26.03.2001 «О совершенствовании серологической диагностики сифилиса».
  9. Young H. SYPHILIS: Serology. Dermatol clini; 1998; 16 (4); 691—698.
  10. Riviere G.R., Wagoner M.A., Baker-Zander S.A. et al. Identification of spirochetes related to Treponema pallidum in necrotizing ulcerative gingivitis and chronic periodontitis. N Engl J Med 1991; 325 (8); 539—543.
  11. Carlson J.A., Dabiri G., Cribier B. et al. The immunopathobiology of syphilis: the manifestations and course of syphilis are determined by the level of delayed-type hypersensitivity. Amer Jf dermatopathol; 2011; 33 (5): 433—460.
  12. Tomson F.L., Conley P.G., Norgard M.V. et al. Assessment of cell-surface exposure and vaccinogenic potentials of Treponema pallidum candidate outer membrane proteins. Microbes and infection; 2007; 9 (11); 1267—1275.
  13. Cox D.L., Luthra A., Dunham-Ems S. et al. Surface immunolabeling and consensus computational framework to identify candidate rare outer membrane proteins of Treponema pallidum. Infect and Immun; 2010; 78 (12): 5178—5194.
  14. Brinkman M.B., Mckevitt M., Mcloughlin M. et al. Reactivity of antibodies from syphilis patients to a protein array representing the Treponema pallidum proteome. J clini microbiol; 2006; 44 (3); 888—891.
  15. Mcgill M.A., Edmondson D.G., Carroll J.A. et al. Characterization and Serologic Analysis of the Treponema pallidum Proteome. Infect and Im-muni; 2010; 78 (6); 2631—2643.
  16. Haake D.A. Spirochaetal lipoproteins and pathogenesis. Microbiol; 2000; 146 (7); 1491—1504.
  17. Norris S.J., Cox D.L., Weinstock G.M. Biology of Treponema pallidum: correlation of functional activities with genome sequence data. J Mol Microbiol Biotechnol 2001; 3 (1); 37—62.
  18. Mckevitt M., Brinkman M.B., Mcloughlin M. et al. Genome scale identification of Treponema pallidum antigens. Infect and Immuni 2005;73 (7); 4445—4450.
  19. Entrez: the Life Sciences Search Engine [Internet]. Bethesda (MD): National Library of Medicine (US), National Center for Biotechnology Information. 1991; Доступно по адресу: http:// www.ncbi.nlm.nih.gov/protein
  20. Altschul S.F., Gish W., Miller W. et al. Basic local alignment search tool. J f Molec Biol 1990; 215 (3); 403—410.
  21. Berven F.S., Karlsen O.A., Straume A.H. et al. Analysing the outer membrane subproteome of Methylococcus capsulatus (Bath) using pro-teomics and novel biocomputing tools. Arch Microbiol 2006; 184 (6); 362—377.
  22. Juncker A.S., Willenbrock H., Von Heijne G. et al. Prediction of lipoprotein signal peptides in Gram — negative bacteria. Protein Science 2009;12 (8); 1652—1662.
  23. Yu N.Y., Wagner J.R., Laird M.R. et al. PSORTb 3.0: improved protein subcellular localization prediction with refined localization subcategories and predictive capabilities for all prokaryotes. Bioinformatics 2010; 26 (13): 1608—1615.
  24. Yu C.S., Chen Y.C., Lu C.H. et al. Prediction of protein subcellular localization. Proteins: Structure, Function and Bioinformatics 2006; 64 (3) 643—651.
  25. Moller S., Croning M.D., Apweiler R. Evaluation of methods for the prediction of membrane spanning regions. Bioinformatics 2001; 17 (7): 646—653.
  26. Petersen T.N., Brunak S., Von Heijne G. et al. SignalP 4.0: discriminating signal peptides from transmembrane regions. Nat Methods. 2011 Sep 29; 8 (10):785-6. doi: 10.1038/nmeth.1701.;
  27. Berven F.S., Flikka K., Jensen H.B. et al. BOMP: a program to predict integral β-barrel outer membrane proteins encoded within genomes of Gram-negative bacteria. Nucleic acids research 2004;32 (suppl 2); W394-W399.
  28. Ou Y.Y., Gromiha M.M., Chen S.A. et al. TM-BETADISC-RBF: Discrimination of-barrel membrane proteins using RBF networks and PSSM profiles. Computational biology and chemistry; 2008; 32 (3); 227.
  29. STD Sequence Databases — 2003; Доступно по адресу: http://www.stdgen.lanl.gov
  30. Yamaguchi K., Yu F., Inouye M. A single amino acid determinant of the membrane localization of lipoproteins in E. coli. Cell 1988; 53 (3): 423—432.
  31. Setubal J.C., Reis M., Matsunaga J. et al. Lipoprotein computational prediction in spirochaetal genomes. Microbiol 2006; 152 (1): 113—121.
  32. Cullen P.A., Haake D.A., Adler B. Outer membrane proteins of pathogenic spirochetes. FEMS Microbiol Revi; 2004; 28 (3): 291—318.
  33. Rey S., Acab M., Gardy J.L. et al. PSORTdb: a protein subcellular localization database for bacteria. Nuclc acids Rese 2005; 33 (suppl 1); D164-D168.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2012 KHAIRULLIN R.F., ROTANOV S.V., FRIGO N.V., BELOUSOVA A.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».