厦门免费医学论文发表-计算研究揭示了 Puccinia striiformis f. sp. tritici 效应子的结构特征和新家族
拉希尔·阿斯加尔 ，吴楠 ，诺曼·阿里，王玉磊，马希努尔·阿卡亚
抽象
了解 Puccinia striiformis f. sp. tritici （Pst） 效应子的生物学功能对于揭示致病性和变异性机制至关重要，从而为开发持久有效的条锈病控制策略铺平了道路。然而，由于 Pst 中缺乏有效的遗传转化系统，效应功能研究的进展一直很缓慢。在这里，我们使用 AlphaFold2 对来自 12 个 Pst 种族或分离株、一个 Puccinia striiformis 分离株和一个 Puccinia striiformis f. sp. hordei 分离株的 15,201 个效应子的结构进行了建模。其中，成功预测了 8,102 个折叠，我们对这些效应子进行了基于序列和结构的注释。这些效应子分为 410 个结构簇和 1,005 个序列簇。序列长度变化很大，浓度在 101-250 个氨基酸之间，基序分析显示 47% 和 5.81% 的预测效应子包含已知的效应子基序 [Y/F/W]xC 和 RxLR，分别突出了大部分效应子的结构保守性。亚细胞定位预测表明，细胞质定位占主导地位，存在明显的叶绿体和细胞核。结构引导分析显著提高了效应子预测效率，8,102 个中有 75% 具有结构注释。基于序列和结构同源性的聚类和注释预测使我们能够确定采用的效应子折叠或折叠家族。观察到的一个共同特征是来自不同序列的结构同源性的形成。在我们的研究中，其中一项比较结构分析揭示了一个新的结构家族，其核心结构为四个螺旋，包括 Pst27791、PstGSRE4 和 PstSIE1，它们靶向关键的小麦免疫途径蛋白，影响宿主免疫功能。进一步的比较结构分析显示 Pst 效应子与来自其他病原体（如 AvrSr35、AvrSr50、Zt-KP4-1 和 MoHrip2）的效应子之间存在相似性，突出了趋同进化策略的可能性，但尚未得到包含一些进化上遥远物种的进一步数据的支持。目前，我们对 Pst 效应子的序列、结构和注释关系的初步分析为推进我们对 Pst 致病性和进化的未来理解提供了新的基础。
作者总结
由真菌 Puccinia striiformis f. sp. tritici （Pst） 引起的条锈病是全球小麦作物的主要威胁。这种真菌使用称为效应器的特殊蛋白质来绕过植物的免疫防御并建立感染。为了更好地了解这些效应子的工作原理，我们使用了计算工具 AlphaFold2 来预测超过 15,000 种 Pst 效应子蛋白的结构。有趣的是，一些效应子类似于在其他植物病原体中发现的蛋白质，这表明不同的真菌可能以类似的方式进化。我们的研究为对抗 Pst 的策略提供了新的见解，并可能导致保护小麦免受条锈病侵害的新方法。
数字
图 4图5图 6图 1图 2图 3图 4图5图 6图 1图 2图 3
引文： Asghar R， Wu N， Ali N， Wang Y， Akkaya M （2025） 计算研究揭示了 Puccinia striiformis f. sp. tritici 效应子的结构特征和新家族。PLoS 计算生物学 21（3）： e1012503 号。 https://doi.org/10.1371/journal.pcbi.1012503
编辑 器： Turkan Haliloglu，土耳其博加济奇大学
收到： 2024 年 9 月 19 日;接受： 2025 年 2 月 24 日;发表： 3月 28， 2025
版权所有： © 2025 Asghar 等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，该许可允许在任何媒体上不受限制地使用、分发和复制，前提是注明原作者和来源。
数据可用性：15,201 个预测效应子 fasta 文件，8,102 个 Pst 效应子候选物的 AF2 预测结构，以及已鉴定的 Pst 效应子、Pgt Avrs 和 Pst Avr 候选物的 AF2 预测结构可从 Zenodo （https://doi.org/10.5281/zenodo.12946213） 下载。
资金： 这项工作得到了大连理工大学 （DUT18RC（3） 050） 的资助。资助者在研究设计、数据收集和分析、发表决定或手稿准备方面没有任何作用。
利益争夺： 作者已声明不存在相互竞争的利益。
介绍
病原体以不同的方式进化，以逃避多种宿主防御机制并破坏细胞信号通路，以促进感染、扩增和定植。一种策略是以时空控制的方式将效应蛋白分泌到宿主中。这些效应子在质外体或植物细胞内发挥着各种作用，例如增强病原体进入、破坏植物免疫系统和改变新陈代谢 [1]。了解效应蛋白在宿主中的作用对于理解植物和病原体之间的相互作用至关重要 [2]。然而，真菌效应蛋白通常缺乏已知的功能域，因此难以识别。仅根据序列来预测它们的作用是具有挑战性的，因为这些蛋白质具有非常多样化的序列;迅速发展或最近出现，表现出广泛的变化。这种多样性和与已知蛋白质缺乏相似性使得难以确定潜在的效应子候选者并了解它们的生物学功能。
虽然效应子的序列相似性很低，但发现效应子的结构相对保守，形成结构家族[3–5]。WY 结构域是卵菌 RXLR 效应子中的常见结构基序，其特征是保守的α螺旋折叠，由疏水核心稳定，通常包含 Trp （W） 和 Tyr （Y），如两个序列无关的疫霉效应子（辣椒疫霉 AVR3a11 和疫霉 PexRD2）的结构解析所示 [6]。最近，人们注意到了被称为 LWY 结构域的变体，例如，疫病菌效应子 PSR2 具有 WY 结构域和其他 6 种 WY 结构域变体 [7]。ToxA样结构家族包含效应蛋白，如来自Melampsora lini的AvrL567-A和AvrL567-D[8,9]和来自尖孢镰刀菌的Avr2（SIX3）和SIX8[10,11]，其特征在于它们与来自Pyrenophora tritici-repentis的ToxA的结构相似[12]。MAX（Magnaporthe AVRs和ToxB-like）效应子具有典型的六链β夹心折叠，对稻瘟病菌（如AvrPiz-t、AVR1-CO39、AVR-Pia）[13–15]和Pyrenophora tritici-repentis（如ToxB）[16]的毒力至关重要，尽管它们的序列存在差异。RALPH（与吸器相关的RNase样蛋白）效应子（如BEC1054）[17]，以其RNase样结构为特征，主要存在于Blumeria真菌物种中，构成了预测效应子的显著部分，尽管序列高度不同，但在白粉病中表现出明显的进化扩展[18]。来自Leptosphaeria maculans的AvrLm4-7 [19]和AvrLm5-9以及来自枝孢菌（现在的Fulvia fulva）的Ecp11-1，尽管显示出低序列同一性，但与至少13种不同真菌中预测的候选效应子共享Leptosphaeria Avirulence and Suppressing（LARS）折叠[20]。尖孢镰刀菌 f. sp. lycopersici （Fol） 双结构域 （FOLD） 效应子，以 Avr1 （SIX4） 和 Avr3 （SIX1） 为例，代表了新发现的具有两个不同结构域的效应子结构类别 [11]。然而，由于结构生物学发现的效应子很少，细菌的计数约为 70 个，卵菌的计数约为 20 个，真菌的计数约为 80 个（S1 表），因此发现的效应蛋白的结构家族是有限的。近年来，基于TrRosetta、AlphaFold2等AI工具预测蛋白质结构并进行结构分类，发现存在病原体间序列相似性低的效应子，但其结构相似性可归类为上述已知和新颖的效应子结构家族[21–27]。
由小麦锈菌 （Pst） 引起的条状（黄）锈病是一种严重的真菌病害，影响着全球小麦产区，对全球粮食安全构成重大威胁 [28]。抗黄锈病 （Yr） 基因的渗入杂交育种是控制条锈病最有效、环境可持续且具有成本效益的策略 [29]。然而，随着新品种的快速进化克服了特异性抗性基因和Pst毒力的出现，小麦品种往往会在短时间内失去抗性[28]。Pst 毒力的快速变化可能与其丰富的效应子及其在小麦细胞内亚细胞位置的可变性有关。已经分析了多个 Pst 种族或分离株的基因组序列，预测每个种族大约有 1,000 至 2,000 个分泌组或效应子 [30]。尽管如此，自2011年以来，实验中仅鉴定出约50个Pst效应子（S2表）[31,32]。由于病原体的专性生物营养性质需要植物宿主，并且缺乏高效、可靠和稳定的尿素孢子转化系统，因此很少有效应子被分析其功能，这使得通过遗传方法研究每个效应子的机制具有挑战性。然而，结构分析有助于确定其功能，即Pst_13661是唯一具有确定结构的效应蛋白，能够对抗 Pst [33,34]。可被宿主核苷酸结合富含亮氨酸的重复受体 （NLR） 特异性识别并引起免疫反应的效应子是由无毒基因 （Avr） 编码的蛋白质。携带 NLR 型 Yr 基因的小麦品种无法抵抗 Pst 可能与 Avr 突变有关，这使得 Yr 蛋白无法识别且无法触发免疫。目前，尚未确定 Pst 的 Avr。然而，在普契尼禾谷 f. sp. tritici （Pgt） 中已经鉴定出 5 个 Avr 基因，Pgt 是茎锈病的病原体 Pst 的近亲 [35]。这些Avr基因，AvrSr50 [36,37]、AvrSr35 [38–40]、AvrSr22 [41]、AvrSr13 [41]和AvrSr27 [42,43]，已被证实可以被相应的小麦NLRs识别：Sr50、Sr35、Sr22、Sr13和Sr27。最近，据报道，可以使用AlphaFold2或其他工具预测病原体分泌的蛋白质的结构，并通过PDB、 CTH 和 SCOP [23,44,45]。鉴定 Pst 效应子进展缓慢的一个原因是预测的效应子序列在蛋白质注释网站上通常缺乏功能注释和结构域信息，因此难以理解它们的分子机制。到目前为止，还没有报道专注于 Pst 效应子的大规模结构预测或结构注释的研究。
In this study, by analyzing twelve Pst races and isolates, one Puccinia striiformis f. sp. hordei isolate, and one Puccinia striiformis isolate, which consists of 21 protein sets in total, we collected 357,396 proteins and predicted 15,201 effector proteins based on their sequences. Of these, 8,102 had high-confidence predicted structural folds, resulting in the identification of 410 structure clusters and 1,005 sequence clusters. Among the 8,102 effectors, 20.9% have sequence annotations, 75.4% have structure annotations, 6.7% are sequence-related, and 44.2% are structurally related to identified Pst effectors. In addition to conventional methods of effector characterization, this structural annotation approach can significantly enhance the efficiency and comprehensiveness of effector analysis. Remarkably, we discovered AvrSr35-like, AvrSr50-like, Zt-KP4-1-like, and MoHrip2-like Pst effector candidates with little or no sequence similarity, yet they exhibited conserved structural features. Understanding the structure and relationships of Pst effector proteins enhances our insight into their biological functions. This knowledge will be crucial in unraveling the pathogenic mechanisms of wheat stripe rust and in developing new control strategies.
Results
Structure prediction of Pst effector candidates with AF2
357,396 proteins were collected from 21 proteomes (S3 Table, where the references are presented) within 14 Puccinia striiformis races or isolates: 12 from Puccinia striiformis f. sp. tritici (Pst), 1 from Puccinia striiformis isolate 11-281, and 1 from Puccinia striiformis f. sp. hordei 93TX-2. We predicted the proteins with signal peptides as secretomes using SignalP 6.0 [46] and excluded proteins annotated with transmembrane domains in InterPro [47] or predicted to have a glycosyl-phosphatidyl-inositol (GPI)-anchor by NetGPI [48], resulting in the prediction of 27,444 secreted proteins. Further prediction with EffectorP 3.0 was performed [49], which predicts effector proteins by analyzing sequence features including amino acid composition, sequence motif, and other physiochemical properties known to correlate with effector function, then identifies putative effectors based on machine learning model trained on fungal effector datasets. Redundancy removal across all races identified 15,201 effector candidates. Structural predictions for the mature sequence (excluding the signal peptide) of these effector candidates were conducted using AlphaFold2 (AF2) [50,51] (Fig 1A). We filtered out structures with pTM (predicted Templated Modeling) scores < 0.5 and pLDDT (predicted Local Distance Difference Test) average scores across all residues < 70, retaining high-confidence models. Following AF2 modeling for 15,201 predicted effectors, nearly half could not be reliably modeled across the 14 races or isolates (Fig 1B and 1C). This may be due to the high specificity of some effectors, which challenges their alignment with sufficient multiple sequence alignment and template structures during AF2 modeling; additionally, the presence of intrinsically disordered regions in some effectors could also result in low pTM or pLDDT scores. This process yielded 8,102 effectors with reliable structural predictions across 14 races or isolates (S3 Table). We then performed clustering, annotation, and comparative analysis of these 8,102 effectors from both sequence and structural perspectives for further investigation (Fig 1A). Among the 8,102 effector candidates, sequence lengths ranged from 43 to 939 amino acids, with a concentration of 2,221 effectors within the length 101-250 amino acids, consistent with the typical feature of effector lengths (Fig 1D).
thumbnail Download:
PPTPowerPoint slide
PNGlarger image
TIFForiginal image
图 1. 效应子预测管道和预测和聚类的统计分析。
（A） 预测和分析 Puccinia striiformis （Ps） 蛋白质组中效应子的生物信息学工作流程。蓝色框表示预测步骤，括号中保留了蛋白质的数量。分析工具位于箭头上方;筛选的步骤如下。在 15,201 个预测的效应器中，预计有 8,102 个具有可靠结构的效应器需要进一步研究。（B） 用于评估 15,201 个预测效应子中结构预测质量的 pTM 分数分布。小提琴图中的箱形图显示了四分位间距（第 25 个到第 75 个百分位数），中位数由白点表示。须线延伸到最小值和最大值，上限为四分位数范围的 1.5 倍。红线表示 pTM 值为 0.5;去除 pTM 评分低于 0.5 的结构。（C） 将 15,201 个预测效应子的数量分为 14 个 Ps 赛跑或分离株。如果效应子属于包含来自两个或多个 Ps 种族或分离株的效应子的结构簇，则将其归类为“共享”，否则归类为“种族特异性”。橙色表示折叠不好的蛋白质，绿色表示“共享”效应子，紫色表示“种族特异性”效应子。（D） 具有可靠结构预测的 8,102 个效应子的序列长度分布。（E， F）簇热图和主成分分析 （PCA） 显示在 14 个 Ps 赛跑或分离株内分配的 1,005 个序列簇的每个簇的效应子数量。（G、H）簇热图和 PCA 显示了在 14 Ps 赛跑或分离株内分配的 410 个结构簇的每个簇的效应子数量。Pst 种族或分离株根据其首次发现的地区进行着色：绿色代表澳大利亚，红色代表中国，蓝色代表丹麦和英国，黄色代表美国，灰色代表纹状锈菌分离株 11-281 和纹状锈菌 f. sp. hordei 分离株 93TX-2。图 4-6 中应用了相同的配色方案。
https://doi.org/10.1371/journal.pcbi.1012503.g001
Clustering of Pst effector candidates with sequence and structural comparison
We performed sequence clustering on the mature sequences of 8,102 effector candidates with high-confidence structural predictions using CD-HIT [52] with a threshold of 0.5, it refers to a 50% sequence identity threshold in CD-HIT clustering, resulting in 1,005 sequence clusters (S4 Table). Additionally, we used Foldseek release (8-ef4e960) [53] easy cluster function for predicted structures of 8,102 effector candidates with a threshold of 0.5 (it refers to a 50% sequence alignment coverage) resulting in 410 structure clusters (S4 Table). Clusters are ordered according to the number of effectors they contain, with Structure Cluster No. 1 (Struc.C_1) having the most effector candidates. Of these 410 structure clusters, 165 were singletons. 7,929 effectors were classified as shared since they belonged to the structure cluster containing effectors from two or more Ps races or isolates, and 173 effectors were classified as race-specific since they belonged to the structure cluster containing effectors only from one Ps race or isolate (Fig 1C). We analyzed the distribution of 8,102 effectors within sequence and structure clusters across 14 races or isolates using cluster heatmaps and principal component analysis (PCA). In general, the quantitative characteristics and classification relationships of effectors in 14 races or isolates exhibit consistency in both sequence and structure clusters, suggesting that effectors with similar sequences tend to form similar structures. Notably, there is a close correspondence between the sequence clusters and structure clusters of effectors from CYR32 and PST-78, indicating similarity in effector components between these two Pst races. Furthermore, the relationships between sequence clusters and structure clusters of effectors from PST-87/7, PST-08/21, PST-21, and PST-43 show similarities. Interestingly, despite having different hosts, CYR34 and 93TX-2 share similarities in terms of both sequence and structure for their effectors (Fig 1E–1H).
A comprehensive understanding of Pst effector candidates’ characterization with sequence-based and structural annotation
Cysteine richness is a characteristic feature of effectors. We analyzed the cysteine content in the mature sequences of the 8,102 effectors. Among these, 1,970 effectors contain 6 cysteine residues. Cysteine residues form disulfide bonds that stabilize the effector structure, enabling it to function in harsh environments like the apoplast and resist proteolytic degradation [54,55]. Remarkably, 4 effectors have 30 cysteine residues, 13 of which have 31 cysteine residues (Fig 2A) with an average length of 458 amino acids. These 17 effectors belong to Struc.C_27 and Sequence Cluster No. 62 (Seq.C_62). They are predicted to be apoplastic effectors by ApoplastP [49,56] but also predict to contain nuclear localization signals using LOCALIZER [57] and WoLF PSORT [58] (S4 Table). Additionally, many short effectors (<100 amino acids) have a higher cysteine content, such as effectors belonging to Struc.C_27 and Seq.C_62, the average length of mature sequences is 55 amino acids and contain 8 cysteines, with a cysteine content of 14.5% (S4 Table).
thumbnail Download:
PPTPowerPoint slide
PNGlarger image
TIFForiginal image
Fig 2. Statistical analysis of effector characteristics.
(A) Statistics of cysteine count in the mature sequences of effectors. (B) Number of motif-containing effectors. (C) Number of effectors in different subcellular localization predictions. (D) Number of effectors in various protein sequence annotation databases, and statistics of the top 17 hits of effectors annotated within Pfam. (E) Statistics of the top 17 hits of effectors structurally annotated within CATH, PDB, and SCOP.
https://doi.org/10.1371/journal.pcbi.1012503.g002
经典效应子基序分析（图 2B 和 S4 表）显示，3,804 个效应子（在 8,102 个候选效应子中约占 47%）包含 [Y/F/W]xC 基序，该基序存在于小麦白粉病和锈病候选效应子中，主要以 FxC 和 WxC 的形式存在。此外，896 个效应子具有 [L/I]xAR 基序，该基序存在于米瘟病菌的一些效应子中，其中 LxAR 是最常见的。RxLR 基序是卵菌和真菌的常见效应子基序，存在于 471 个效应子中。另外 223 个效应子包含 G[I/F/Y][A/L/S/T]R 基序，该基序存在于 Melampsora lini 的一些效应子中。共有 29 个效应子具有 YxSL[R/K] 基序，该基序存在于卵菌中。我们检查了在米瘟病菌中发现的基序 [R/K]CxxCx12H 和在 Blumeria graminis f. sp. hordei 中发现的 [R/K]VY[L/I]R，但未检测到。这表明不同的病原体有自己特定的基序特征。
我们使用 EffectorP 3.0 [49]、ApoplastP [56]、LOCALIZER [57]、WoLF PSORT [58] 和 TargetP 2.0 [59] 对 8,102 个效应子进行亚细胞定位预测（图 2C 和 S4 表）。尽管不同程序的预测不同，但总体趋势表明，预测更多的效应子是细胞质而不是质外体，主要位于叶绿体和细胞核中。值得注意的是，TargetP 2.0 预测 141 个效应子的成熟序列具有信号肽，但 SignalP 6.0 未在这些成熟效应子序列中检测到任何信号肽。因此，当使用不同的程序预测亚细胞定位时，必须进行全面和综合的分析以确保预测的准确性。
The sequence- and structure-based annotations for the effector candidates were obtained from publicly available databases. We annotated the sequences of effector candidates using various protein databases, including PANTHER [60], Pfam [61], SUPERFAMILY [62], Gene3D [63], Coils [64], ProSiteProfiles and ProSitePatterns [65], CDD [66], MEROPS [67], KEGG [68], FunFam [69], SMART [70], PRINTS [71], CAZy [72], NCBIfam [73], Hamap [74], and PIRSF [75] (Fig 2D and S4 Table). Overall, 1,695 effectors (approximately 21% among 8,102 effector candidates) had sequence annotation information. Specifically, 802 effectors were annotated by PANTHER, 672 by Pfam, 639 by SUPERFAMILY, and 617 by Gene3D. Among all protein databases, Pfam provided the most annotation entries (19k entries, accessed on July 18, 2023). Since Pfam includes the most comprehensive and numerous annotations, we examined the top statistics from Pfam to know sequence annotation of effector candidates in general. The top three Pfam annotations were trehalose-phosphatase, copper/zinc superoxide dismutase, and glycoside hydrolase 131 catalytic N-terminal.
In addition to sequence-based annotation, we utilized the predicted structures of effector candidates using AF2 and compared them with protein structure annotation information from CATH (Protein Structure Classification Database; Class, Architecture, Topology, Homologous superfamily) [63], PDB (Protein Data Bank) [76], and SCOP (Structural Classification of Proteins) [77,78] by Foldseek. This approach provided structural annotation information for 6,110 effectors (approximately 75% among 8,102 effector candidates), significantly more than sequence-based annotations (S4 Table). Specifically, 5,112 effectors were annotated by CATH, 4,556 by PDB, and 5,106 by SCOP. We analyzed the top 20 hits for each database. The most frequently occurring annotations were immunoglobulin in CATH, Hce2 domain-containing protein (or named as Zymoseptoria tritici effector Zt-KP4-1) in PDB, and membrane fusion ATPase p97 N-terminal domain in SCOP (Fig 2E). Although the annotation methods of CATH, PDB, and SCOP differ and no identical annotations appear in the top 20 hits of all three databases, certain annotations were common between PDB and SCOP, such as superoxide dismutase, cytochrome c’, and trehalose-6-phosphate phosphatase. Superoxide dismutase and trehalose-phosphatase are also the major annotations in sequence annotation. These structural annotations indicate that the effector candidates may adopt similar folds to proteins such as superoxide dismutase, but further analysis would be required to determine their functional roles or family membership.
Pst effector candidates reflect progressively differentiating structure
From the 8,102 effectors, we selected 1,178 representative effectors (marked in grey in S4 Table) from distinct structure and sequence clusters to perform a pair-wise TM-align analysis using Foldseek by filtering out pairs with TM scores < 0.5. This resulted in a structure cluster network graph with 1,015 nodes and 32,119 edges. We present the representative structures of the top ten largest structure clusters (Fig 3A). The largest structure cluster is Struc.C_1 containing 683 effectors. Struc.C_2 to Struc.C_5 contains 438, 326, 323, and 254 effectors, respectively. The top ten structure clusters together account for 36.6% of the effectors, representing the overall characteristics of Pst effector candidates. By observing the structure cluster network, we can identify the expansion and variation patterns of effector structures. For example, the structures of Struc.C_10 and Struc.C_1 are quite similar, but Struc.C_10 forms multiple tandem repeats of the Struc.C_1 structure. Similarly, Struc.C_3 appears as a double tandem structure of Struc.C_9. Struc.C_2 shows a dispersed expansion trend, potentially indicating faster structural variation and the gradual formation of new effector clusters like Struc.C_7. The effector structures of Struc.C_4, Struc.C_6, and Struc.C_8 are similar but have gradually diverged structurally. In contrast, Struc.C_5 has a relatively simple structure with fewer associations with other major structure clusters.
缩略图 Download:
PPTPowerPoint slide
PNGlarger image
TIFForiginal image
图 3. Pst 效应器结构簇的关系。
（A） 来自每个结构簇序列簇的代表性效应子的结构相似性网络（在 S4 表中以灰色标记的 1,178 个蛋白质）。突出显示了 10 个主要结构集群，以及第 30 号 （Struc.C_30） 和第 103 号 （Struc.C_103） 结构集群。显示了 10 个主要结构集群的代表性结构。（B） Struc.C_30 的结构以蓝色背景显示，Struc.C_103 的结构以绿色背景显示。在红色虚线圆圈中突出显示的效应器DK0911_02754根据其序列注释为 Tubby 样，其预测结构用作核心折叠。其他显示结构中未与型芯折叠重叠的部分将标记为浅橙色。透明的灰色背景表示来自同一序列簇的三对效应器，但分别属于 Struc.C_30 和 Struc.C_103。这些对之间的序列相似性显示在连接箭头上方。灰色虚线框内的效应子来自 Struc.C_103，缺少 Struc.C_30 成员中的中央 α 螺旋。来自 AF2 建模的 pTM 值、TM 分数 （TM） 与核心折叠相比、序列簇数 （Seq.C） 以及与核心折叠序列的序列同一性显示在蛋白质 ID 下方。
https://doi.org/10.1371/journal.pcbi.1012503.g003
尽管序列存在差异，但效应子结构广泛保守
我们对结构和序列簇之间对应关系的分析（S5 表）表明，同一序列簇内的效应子主要分布在单个结构簇中。这支持了类似的序列倾向于采用相似结构的普遍预期，正如在集群热图分析中观察到的那样（图 1E 和 1G）。但是，单个结构集群可以包含多个序列集群。例如，Struc.C_2、Struc.C_1 和 Struc.C_3 分别包含 61、52 和 41 个序列集群（S5 表）。这表明不同的效应子序列也可以形成相似的结构构象。为了进一步量化结构簇内序列多样性的程度，我们使用 CLUSTALW （S5 Table） 计算了每个结构簇中除单例簇之外的所有成员的成对序列同一性分布。在大型结构簇中，Struc.C_1 到 Struc.C_5 的平均序列同一性分别为 18.22%、14.34%、18.44%、19.20% 和 31.05%。这些结果强调，虽然结构相似性通常是保守的，但同一结构簇内效应子之间的序列同一性可能非常低。这种系统的序列同一性分析进一步支持了 Pst 效应子中的结构比序列更保守的概念。
Taking Struc.C_30 as an example, it includes 7 sequence clusters, with protein sequence similarities between clusters being less than 50%, some even less than 25% (Fig 3B). Notably, only some effectors from Seq.C_72 have sequence annotation from SUPERFAMILY, identifying them as a Tubby C-terminal domain-like. The Tubby-like domain is characterized by a β-barrel structure enclosing an internalized α-helix in the center of the barrel. The predicted structure of Seq.C_72’s effector in Struc.C_30, such as DK0911_02754, matches this structural feature. The remaining 6 sequence clusters within Struc.C_30 also exhibit high pTM scores. Furthermore, the representative proteins of these 6 sequence clusters show high structural similarity to the representative protein of Seq.C_72 (DK0911_02754) based on US-align analysis [79], indicating that they are all Tubby-like domain proteins despite some having low sequence similarity (22%-25%) with Seq.C_72 (Fig 3B) illustrating different effector sequences may adopt similar structures.
Further investigation revealed that Seq.C_133, Seq.C_191, and Seq.C_541, which are part of Struc.C_30, are also included in Struc.C_103. Proteins in Struc.C_103 are notably missing the complete central α-helix found in Struc.C_30, and some also lack parts of β-sheet in the β-barrel (Fig 3B). Despite including proteins from different sequence clusters, Struc.C_103 exhibits similar structural characteristics. This observation highlights that different sequences may adopt similar structural conformations. However, even though proteins from Seq.C_133, Seq.C_191, and Seq.C_541 share over 80% sequence similarity, their structural TM scores are relatively low and they are distributed into different structure clusters. The multiple sequence alignment resulted in the loss of central α-helix in Structure C_103, which is present in the Tubby-like effector candidates in Struc.C_30 (Figs 3 and S1). The sequence alignment clarifies the reason for the loss of α-helix. It shows deletion in the C-terminus of the effector candidates clustering in Struc.C_103. Although one effector from Struc.C_103, POW07379.1, kept a bit longer C-terminus sequence, but it lost the key amino acid cysteine to form a disulfide bond (S1 Fig). This observation suggests that these proteins have undergone different folding paths, potentially leading to divergent functions or loss of functional structural features.
Identified Pst effectors represent a new Pst effector structural family
迄今为止，已经通过实验鉴定了 50 多个 Pst 效应子。我们使用查询覆盖率阈值和身份百分比≥ 50%，将这些鉴定的效应子与 8,102 个效应子候选的成熟序列进行了 BLASTP [80] 比对。该序列比对确定了 547 个候选效应子作为序列同源命中（S2 和 S4 表）。使用 Foldseek 和 US-align 进行成对比较，我们将 8,102 个候选效应子的预测结构与已识别的 Pst 效应子和 Pgt-Avr 效应子（S2 表）以及 PDB 链进行了比较，其中只有一个可用于 Pst 的 3D 结构，Pst_13661 （PDB 链：8hf9_A），其他都是 Pgt、AvrSr27（PDB 链：8v1j_A）、AvrSr35（PDB 链：7xx2_B、7xc2_D、7xds_A、7xds_B、7xe0_B、7xvg_B）和 AvrSr50（QCMJC）（PDB 链：7mqq_A）。在我们的数据中，Foldseek 和 US-align 的 TM 评分大于 0.5 的结构与实验鉴定的 Pst 效应子和 Pgt-Avr 同源，产生 3,707 个效应子（S2 和 S4 表）。序列和结构比较总结在气泡图中（图 4A 和 4B）。总体而言，与基于序列的比较相比，结构比较能够识别更多的效应子。
缩略图 下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 4. 对已鉴定的 Pst 效应子和 Pst 效应子候选者进行基于序列的结构和系统发育分析。
（A） 根据序列比较，从结构簇内的 14 个 Ps 赛跑或分离株中分配给效应子候选物的已鉴定 Pst 效应子的比例，用不同大小的圆圈显示。（B） 具有 Pst_13661 （8HF9_A）、AvrSr35 （7XX2_B、7XC2_D、7XDS_A、7XDS_B、7XE0_B、7XVG_B） 和 AvrSr50 （QCMJC） 预测结构和 PDB 结构的已鉴定 Pst 效应子的比例 （7MQQ_A） 分配给来自结构簇内 14 个 Ps 赛体或分离株的效应子候选物的预测结构，用不同大小的圆圈显示。（C） Pst_13661 （8HF9_A） 结构和 Pst_13661 样效应子预测结构。来自 AF2 建模的 pTM 值和 TM 分数 （TM） 与 Pst_13661 （8HF9_A） 结构相比显示在蛋白质 ID 下方。（D） 对已鉴定的 Pst 效应子 Pst27791、PstGSRE4、PstSIE1 以及来自 Struc.C_22 和 Struc.C_62 的效应子候选物的预测结构进行结构系统发育树分析。组的代表性结构以其在系统发育树中的组相同的颜色显示，结构从 N 端（彩色）到 C 端（灰色）显示。
https://doi.org/10.1371/journal.pcbi.1012503.g004
Pst_13661 是目前唯一具有分离结构的 Pst 效应器 [34]。根据 Pst_13661 序列，在种族 104E137A-、PST-87/7、PST-78 和 93-210 中发现了同源序列（图 4A）。除了上述四个种族外，在 Pst 种族 PST-130 和 Ps 分离株 11-281 中也发现了结构相似的同源物（图 4B）。Pst race PST-130 和 Ps 分离株 11-281 中同源物的预测结构高度准确，并与 Pst_13661 的结构（PDB 链：8hf9_A）显示出显著相似性（图 4B 和 4C）。
有趣的是，基于序列相似性，PstGSRE4 同源物仅在属于 Struc.C_22 的 Pst 种族 PST-87/7 和 PST-130 的效应子中发现（图 4A）。然而，基于结构相似性，PstGSRE4 以及另外两个不具有序列相似性的效应子 Pst27791 和 PstSIE1 显示出与属于 Struc.C_22 和 Struc.C_62 的种族或分离株中约 71% 的效应子的预测结构相似性（图 4B）。然后，我们使用 DALI 对来自 Struc.C_22 和 Struc.C_62 中 12 个序列簇的 125 个效应子以及三个已鉴定的效应子 PstGSRE4、Pst27791 和 PstSIE1 进行了结构系统发育分析 [81]（图 4D）。该分析将它们分为九组。其中，第二组的核心结构由 Pst104E_08415、PST877_18962 和 PST43_09944 组成，由三个螺旋组成，而其他组的核心结构由四个螺旋组成。既往研究报道，Pst27791、PstGSRE4 和 PstSIE1 的寄主小麦相互作用物分别是 TaRaf46 [82]、TaCZSOD2 [83]、TaGAPDH2 [84] 和 TaSGT1 [85]，它们是小麦免疫通路中的关键蛋白。这使我们能够在 Pst 中鉴定出一类广泛存在的效应子，其核心结构为四个螺旋，通常在小麦感染期间与关键免疫途径蛋白相互作用。
来自多个不同序列簇的 Pst 效应子候选物的结构类似于 AvrSr35 和 AvrSr50
以前的研究预测了几种 Pst Avr 候选蛋白，包括 48 种分泌蛋白和 14 种非分泌蛋白 [86]。我们将这 62 个 Pst Avr 候选物的序列和预测结构与 8,102 个效应子候选物的序列和预测结构进行了比较（图 5A、S4 和 S6 表）。没有一个非分泌的 Pst Avr 候选者显示出与任何效应子候选者的序列或预测结构相似性，这支持我们关于效应子起源于分泌组的预测。迄今为止，尚未克隆和鉴定 Pst Avr。然而，在密切相关的小麦锈病病原体 Puccinia graminis f. sp. tritici （Pgt） 中，已经克隆和鉴定了 5 种 Avr，它们是 AvrSr50、AvrSr35、AvrSr22、AvrSr13、AvrSr27。这些 Pgt Avrs 均未显示与 8,102 个效应子候选者 AvrSr22、AvrSr13 和 AvrSr27 的序列相似性，也没有显示出结构相似性。值得注意的是，AvrSr35 和 AvrSr50 与具有不同序列的几个效应子表现出结构相似性（图 5B 和 5C 以及 S2 和 S4 表）。其中，分布在 26 个序列簇的 Struc.C_2、Struc.C_12、Struc.C_17、Struc.C_18 和 Struc.C_26 中的效应候选基因在结构上类似 AvrSr35，浓度在 Struc.C_2 中。来自 6 个序列簇的 Struc.C_21 分布的候选效应子在结构上类似 AvrSr50。
缩略图 下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 5. 推定的 Pst Avr 候选物的基于序列和结构分析。
（A） 根据序列和预测的结构比较，分配给结构簇内 14 个 Ps 种族或分离株的效应候选物的推定 Pst Avr 候选物的比例，用不同大小的圆圈显示。（二、三）AvrSr35 （7XDS_A） 和 AvrSr50 （QCMJC） （7MQQ_A） 的结构分析，以及来自不同序列簇的 AvrSr35 样和 AvrSr50 样 Pst 效应子的预测结构。来自 AF2 建模的 pTM 值、与 AvrSr35 （7XDS_A） 或 AvrSr50 （QCMJC） （7MQQ_A） 结构相比的 TM 分数 （TM） 和序列簇数 （Seq.C） 显示在蛋白质 ID 下方。结构从 N 端（蓝色）到 C 端（红色）显示。
https://doi.org/10.1371/journal.pcbi.1012503.g005
Pst 效应子候选物在结构上与细菌、卵菌和其他真菌的一些效应子相似
除了 Pst 和 Pgt 之外，还确定了来自各种细菌、卵菌和真菌的大约 180 个效应子的结构（S1 表）。这些效应子均未显示出与使用 BlastP 的 8,102 个候选效应子的序列相似性，表明这些病原体与 Pst 之间存在遥远的系统发育关系。然而，其中一些效应子表现出与 Pst 效应子候选物的结构相似性（图 6A 和 S1 和 S4 表）。
缩略图 下载：
PPT的PowerPoint 幻灯片
PNG放大图片
国际电影节原始图像
图 6. 结构验证的效应子和 Pst 效应子候选者之间的结构分析。
（A） 分配给结构簇内 14 个 Ps 种族或分离株的候选效应子预测结构的结构验证效应子的比例，用不同大小的圆圈显示。（二、三）Zt-KP4-1 （8ACX_A） 和 MoHrip2 （5FID_A） 的结构分析，以及 Zt-KP4-1 样和 MoHrip2 样 Pst 效应子的代表性预测结构。来自 AF2 建模的 pTM 值显示在蛋白质 ID 下方。对于 MoHrip2 样效应子，还指示了序列簇数 （Seq.C）。结构从 N 端（蓝色）到 C 端（红色）显示。
https://doi.org/10.1371/journal.pcbi.1012503.g006
几个以两个螺旋为特征的效应子，例如 AvrPto、AvrRps4C、Dld1、AVRvnt1、PHYL1OY和 PHYL1PnWB，与分布在所有种族或分离株的各种结构簇中的 14% 的效应子显示出结构相似性。此外，分布在 Struc.C_7、Struc.C_21、Struc.C_110 和 Struc.C_357 的所有种族或分离株的 15% 的效应子与 Tox 样结构效应子家族的效应子（如 Avr2 （SIX3）、PtrToxA 和 SIX8）表现出结构相似性。Struc.C_91 和 Struc.C_271 的一些效应子也显示出与 MAX 结构效应子家族的效应子的结构相似性，包括 PtrToxB、MAX28 和 MoToxB。
有趣的是，Zt-KP4-1 与分布在所有种族或分离株的 Struc.C_1 和 Struc.C_10 中的 48% 的效应子具有结构相似性。在与 Zt-KP4-1 结构相似的 Struc.C_1 和 Struc.C_10 效应子中，一些还表现出与已鉴定的 Pst 效应子 Shr7 （PSTG_146695）、Pst18363、PSTG_10917 和 Pst_9302 的序列或结构相似性。Zt-KP4-1 确实与这些已鉴定的 Pst 效应子具有结构相似性（图 6B）。值得注意的是，Struc.C_1 在本研究中包含最多的效应子，表明 Zt-KP4-1 样结构在 Pst 中广泛存在。此外，我们观察到效应子，例如具有串联 Zt-KP4-1 样结构的 PST130_P498983 和具有三联 Zt-KP4-1 样结构的 POW04647.1（图 6B），表明 Pst 效应子的进化有所扩展。最重要的是，MoHrip2 在所有种族或分离株的Struc.C_66中显示出与所有效应子的高度结构相似性，并且与 Struc.C_66 中的效应子完全相似（图 6A 和 6C）。
讨论
我们对 Pst 效应子候选物的全面而详细的分析阐明了 Pst 效应子库的特征景观和进化动力学，本研究详细描述了 Pst 效应子蛋白采用的不同折叠，为它们的结构多样性提供了新的见解。这些褶皱的鉴定可能为未来关于 Pst 蛋白潜在分子作用的研究提供信息，并有助于更好地了解它们参与条锈病的发病机制。我们收集了大量 Pst 效应子候选物用于序列和结构注释，为后续的 Pst 效应子研究提供了重要资源。本研究首次对 Pst 效应子候选者进行结构聚类，从结构角度检查它们的关系。我们还从结构角度探索并首次发现了 Pst 效应子候选物中存在的效应子结构家族，以及它们与其他病原体的已知效应子的结构相似性。这项研究为研究不同病原体的效应子提供了有价值的见解，展示了大规模序列和结构分析如何阐明效应子特征并推进效应子研究。以前的评论或文章总结了具有已知结构的效应子 [ 2,23]。 在此基础上，我们进一步增强和补充了数据，最终确定了 180 多种结构（S1 表）。这些发现将作为未来效应子结构、结构预测和结构家族分类研究的重要训练数据集。
AlphaFold2 促进效应子研究
AlphaFold2 通过为大量蛋白质提供高度准确的模型，彻底改变了蛋白质结构预测领域。然而，当面对缺乏同源结构或与已知模板序列相似性低的蛋白质时，AlphaFold2 预测的准确性会显著降低，从而导致这些新蛋白质的模型不太可靠。尽管这项研究侧重于 8,102 个具有良好预测结构的 Pst 效应子候选者的序列和结构分析，但重要的是要注意，由于结构预测不佳（pTM 评分< 0.5，pLDDT < 70），近一半的预测效应子未包含在本研究中。造成这种情况的一个可能原因是这些 Pst 效应子具有很强的序列特异性，导致 AF2 模型构建过程中的参考模板较少，这阻碍了准确的建模。然而，这表明这些效应子可能对 Pst 具有更高的特异性，可能使它们成为小麦成功感染的关键效应子。对于具有参考模型的效应子，例如 Pst_13661 样效应子，获得了 pTM 分数高于 0.79 的可靠模型，证明了高置信度预测的潜力。尽管 AF2 能够作为蛋白质结构预测工具，但结构实验对于分析高度特异性的效应子、扩大模板模型的数量和提高预测准确性仍然至关重要。AF2 虽然是领先的 AI 蛋白质结构预测工具，但也存在局限性。它无法解释蛋白质功能的细胞内容，例如 pH 值、盐浓度、离子和翻译后修饰，这些对蛋白质构象至关重要 [87]。较新的 AlphaFold3 解决了其中一些问题，例如在结构预测中引入离子和配体。尽管 AF2 还有很大的改进空间，但基于其结构的效应蛋白的大规模研究已经取得了显著进展。例如，了解效应子的结构有助于设计作为效应子抑制剂的化合物[34]。AF2 还可以促进蛋白质相互作用研究 [88\u201289]，通过研究效应子-相互作用机制极大地帮助探索病原体-宿主相互作用 [90]。
结构注释有助于效应器表征
在进行效应子克隆和功能鉴定之前，研究人员经常使用蛋白质序列功能注释数据库来初步预测效应子的生物学功能，并获得相应的研究方向思路。这些预测往往不令人满意。需要注意的是，本研究中使用的结构数据来自使用 AlphaFold2 的计算预测。虽然这些预测的结构提供了有价值的见解并作为聚类和注释的基础，但它们并不是实验性的基本事实。结构预测的变化，例如无序区域或环构象的差异，可能会影响聚类结果，并且不一定反映真正的结构差异。实验验证对于确认这些观察结果并完善我们对效应子结构和功能的理解至关重要。在这项对 8,102 个 Pst 效应子候选者的研究中，即使在搜索了 17 个蛋白质序列功能或结构域注释数据库后，也只有大约 21% 的效应子具有基于其蛋白质序列的功能或结构域注释。然而，当我们将 Pst 效应候选物的预测结构与 PDB 、 CAT 和 SCOP 数据库进行比较，并过滤掉 TM 评分< 0.5 的结构注释时，大约 75% 的效应子候选者仍然具有结构注释信息。通过这种方式，结构引导的相似性搜索可以更好地注释效应器库。类似的方法已经成功应用于 AlphaFold 簇 [91]、UniProt3D [92] 和 TED 数据库 [93] 等工作中，这些工作侧重于一般蛋白质注释。我们的研究将这些方法专门扩展到 Pst 的效应子库。由于结构通常决定功能，因此结构信息可以进一步预测或推断宿主内部的交互者。Foldseek 中的可比数据库不断更新，不仅可以与 PDB、CTH 和 SCOP 进行比较，还可以与其他数据库进行比较，以获得更多注释信息。因此，预测 Pst 效应子的结构，随后将它们与蛋白质结构注释数据库进行比较以获得注释信息，将为效应子鉴定研究的早期阶段提供初步思路。我们的研究结果提供了对 Pst 效应子结构和功能复杂性的详细理解，为未来效应子生物学和宿主-病原体相互作用的研究提供了基础。这些结构匹配突出了整体折叠家族的相似性，但需要进一步分析以建立功能关系。这些预测效应子的实验验证和功能测定对于充分了解它们在 Pst 致病性和宿主耐药性中的作用至关重要。
不同序列的效应子具有结构共性
从对效应器序列和结构之间关系的分析来看（图 1E 和 1G 以及 S5 表），一般来说，具有相似序列的效应器可能会采用类似的结构，符合我们的预期。但是，仍然存在具有相似序列的效应器形成相似度较低的结构的情况。例如，在（图 3B）中，属于同一序列簇的效应子具有至少 82% 的序列相似性，形成不同的结构，因此属于不同的结构簇。这些观察结果基于预测的结构，这可能反映了构象变异或伪影，而不是真正的结构差异。此外，除了使用序列来识别同源物外，结构预测还有助于确定Pst效应子的同源物，这已经在其他生物体中进行了测试[94\u201296]。这项研究还发现，具有不同序列的效应子可以形成相似的结构。在这项研究中发现了 129 个结构簇，它们是 410 个结构簇中的“序列无关结构相似”（SUSS） 簇。这可能是由于病原体在感染过程中最佳地利用氨基酸资源形成具有相似结构的功能相似效应子。
发现新的 Pst 效应子家族
尽管 Pst 不能培养，并且缺乏高效可靠的稳定转化系统，这使得通过遗传方法研究其致病机制具有挑战性，但已经确定了 50 多个 Pst 效应子（S2 表）。以前的研究通常将效应子作为孤立的实体进行研究，它们之间几乎没有整合。到目前为止，仅发现已鉴定的 Pst 效应子 Pst_12806、Pst_4 和 Pst_5 共享相同的宿主小麦相互作用器 TaISP [97,98]，并且 PstCEP1 和 PSTG_11208 之间存在相互作用 [99]。在这项研究中，通过将已鉴定的 Pst 效应子与 8,102 个 Pst 效应子候选者的序列和预测结构进行比较，我们发现许多已鉴定的 Pst 效应子在不同种族或分离株中具有广泛的序列或结构同源物。此外，我们发现了一类更典型的 Pst 效应子，其核心结构为四个螺旋，以鉴定的 Pst 效应子 Pst27791、PstGSRE4 和 PstSIE1 为代表，形成独特的 Pst 效应子结构家族。已经证明，Pst效应子Pst27791、PstGSRE4和PstSIE1在Pst-小麦相互作用过程中抑制小麦的防御机制中起着关键作用[82–85]。它们被分泌并转移到宿主细胞的细胞质中，在那里它们靶向它们的相互作用者。Pst27791 靶向 Raf 样激酶 TaRaf46 以抑制 ROS 积累、MAPK 激活和防御相关基因表达 [82]。PstGSRE4 通过靶向 TaCZSOD2 抑制宿主防御反应，抑制其酶活性以破坏 ROS 介导的超敏反应 （HR） 和疾病耐药性 [83]。此外，PstGSRE4 还靶向并稳定 TaGAPDH2，进一步阻碍小麦防御系统 [84]。PstSIE1 靶向小麦细胞中的 TaSGT1，干扰 TaRAR1-TaSGT1 亚复合物的形成以抑制防御反应 [85]。在这项研究中，对这三个实验鉴定的 Pst 效应子和更多的 Pst 效应子候选子的结构预测揭示了具有不同功能的四个 α 螺旋的保守核心结构。这一发现为未来的效应子研究提供了新的视角，表明通过全面研究效应子结构家族，我们可以更好地了解这些效应子的结构家族如何在宿主感染中发挥作用。除了沉默等位基因以确定任何给定效应子的功能外，测试具有高度相似结构的效应子的沉默可能很有趣。我们还观察到，包含 206 个效应子候选物的 Struc.C_7 缺乏注释信息，并且与任何已鉴定的效应子都没有表现出序列或结构相似性。然而，作为 Pst 中广泛存在的效应子结构簇，它仍然未表征，需要进一步研究。
潜在的 Pst Avr 候选者和收敛进化策略的可能性
鉴定 Pst Avr 基因对于了解 Pst 变异性至关重要。尽管有报道预测 Pst Avr 候选者，但迄今为止尚未确定 Pst Avr。在这项研究中，通过将 Pst 效应子候选者的预测结构与 Pgt Avr 的预测结构进行比较，我们确定了许多 AvrSr35 样和 AvrSr50 样的效应子。这些 AvrSr35 样和 AvrSr50 样 Pst 效应子候选物可能是特定黄锈病抗性蛋白的同源 Avr 候选物，并且可以进一步进行实验验证。我们还发现，病原体对其效应子采用趋同进化策略。具体来说，我们发现 Pst 效应子候选物的预测结构与来自细菌、卵菌和其他真菌的效应子显示出高度的结构相似性，尽管在 BlastP 比较中没有序列相似性。在本研究中，至少 5.3% 的效应子候选物是 Zt-KP4-1 样，主要分布在 Struc.C_1 和 Struc.C_10 中，表明 Pst 效应子之间存在共性。
Pst 效应子中广泛存在 Zt-KP4-1 样结构表明效应子进化和功能中潜在的保守机制。此外，尽管序列相似性较低，但与其他病原体的已知效应子的结构相似性鉴定突出了结构分析在揭示功能关系方面的重要性。这些相似性表明，来自不同病原体的效应子可能会聚集在相似的宿主靶标或途径上，从而为效应子生物学提供潜在的跨物种见解。
材料和方法
Puccinia striiformis 蛋白质组和已鉴定的效应子和推定的 Pst Avr 候选物的集合
收集了由 357,396 个蛋白质组成的 14 个种族或分离株的 Puccinia striiformis 蛋白质组（S3 表）。分别从文献和我们的实验室中收集了 58 个从茎锈病中鉴定出的 Pst 效应子和 5 个无毒因子 （Avr） （S2 表）。181 个已知的效应子结构是从 PDB （S1 表） 下载的 （https://www.rcsb.org/，下载日期 2024-06-13）;只有一个 （Pst_13661） 来自 Puccinia striiformis f.sp.Tritici，所有其他的都来自其他植物病原体。从 Li et al.， 2020 [86] 中收集了 62 个推定的 Pst Avrs，即 48 个分泌和 14 个非分泌（S6 表）。
效应器预测
SignalP 6.0 用于鉴定分泌蛋白 [46]，在 NetGPI 1.1 的帮助下，含有糖基磷脂酰肌醇 （GPI） 锚定的蛋白质 [48]。如果使用 InterProscan 5.63-95.0 发现跨膜，或者它们的信号肽与 PFAM 结构域重叠超过 10 个或更多氨基酸，则排除其余的分泌组候选者 [47]。为了确定效应子，EffectorP 3.0 用于预测效应子，包括它们在宿主中的细胞质或质外体定位 [49]。
基序分析和亚细胞定位预测
搜索了卵菌和真菌的常见效应基序，包括在卵菌中检测到的RxLR [100]和YxSL[R/K]，[101]在卵菌中检测到[L/I]xAR和[R/K]CxxCx12H[102]，在Blumeria graminis f. sp. hordei中发现[R/K]VY[L/I]R[在小麦白粉病[104]和锈病候选物中发现的YxSL[R/K]，在一些中发现了G[I/F/Y][A/L/S/T]RMelampsora lini 的效应子 [105]。ApoplastP [56]、LOCALIZER [57]、WoLF PSORT [58] 和 TargetP 2.0 [59] 用于预测效应子的亚细胞定位。
效应器表征
在InterProscan 5.63–95.0 [60]中，使用效应子的全长序列对所有可用的数据库进行搜索，即PANTHER [60]、SUPERFAMILY [62]、Gene3D [63]、线圈[64]、ProSite模式和ProSite Profiles[65]、CDD [66]、FunFam [69]、SMART [70]、PRINTS [71]、NCBIfam [73]、Pfam [74]、Hamap [75]、PIRSF [76]].为了找到半胱氨酸残基计数，使用了成熟的效应子序列。MEROPS [67] 用于查找肽酶;为此，HMMER 与 MEROPS 数据库一起针对我们的序列（https://www.ebi.ac.uk/Tools/hmmer/search/phmmer，于 2024-4-25 访问）。在 eggNOG-mapper 2.1 中使用成熟效应序列进行 CAZy（碳水化合物-活性酶数据库）术语注释（于 2024-4-24 访问）[72]。KEGG 正字搜索在 KofamKOALA 上进行（于 2024 年 4 月 24 日访问）[68]。
结构预测
AlphaFold2 通过 LocalColabFold 方法预测 17,158 个推定的 Pst 效应子的结构，使用其成熟序列 [50,51]。此外，还使用相同的方法预测了已鉴定的效应子的结构、茎锈病的无毒因子和推定的 Pst Avr 候选物 （S1、S2 和 S6 表），以有效利用我们的资源。使用配备 Nvidia RTX4090 显卡和第 13 代英特尔酷睿 i9 处理器的联想 ThinkBook 16p Gen 4 有效地管理了 LocalColabFold 的计算工作负载。生成了 5 个模型，选择 ranked_1 模型，因为它具有最佳的 pLDDT 分数。然后根据 pLDDT 和 pTM 评分过滤所有结构，保留 pLDDT 为 70 或以上和/或 pTM 为 0.5 或以上的结构用于进一步分析。
聚类分析
为了创建序列簇，使用 CD-HIT，并将序列身份阈值设置为 0.5 [52]。对于结构聚类，使用本地安装的 Foldseek （版本 8-ef4e960） easy-cluster 选项，序列比对覆盖率阈值为 0.5，将相似结构分组到同一个簇中 [53]。
结构注释
我们使用 Foldseek [53] 对 PDB 链、SCOPe40 和 CATH50 数据库 [77,78,106] 进行结构相似性搜索，该数据库于 2024 年 3 月 22 日从 Foldseek 下载。保留 TM 分数大于 0.5 的同源物，每个查询最多有 10 次命中。
网络分析
我们从数据集中选择了 1,178 个代表性结构，每个结构簇中每个序列簇的序列长度最长（在 S4 表中标记为灰色），并使用 Foldseek 计算它们的成对 TM 分数。然后将那些 TM 分数> 0.5 的边缘导入到 Gephi 0.10.1 中，并使用 Fruchterman-Reingold 的布局来构建和可视化我们的网络以供进一步分析。
同源效应子搜索
我们使用 Foldseek 和 US-align [79] 工具比较了来自各种来源的预测蛋白质结构，即 58 个已鉴定的 Pst 效应子、5 个来自茎锈病的 Avrs、62 个推定的 Pst-Avrs 和从 PDB 下载的 181 个效应子结构。我们将 TM 评分为 0.5 或更高的匹配项确定为潜在同源。我们利用 BlastP [80] 来识别上述蛋白质之间的序列相似性，并考虑了查询覆盖率和同一性百分比均为 50% 或更高的匹配项。
程序和软件
我们使用 TBtools-II [107] 将 FASTA 文件转换为表格并在循环中运行 InterProScan 分析。Origin 2022 促进了小提琴图、直方图和堆叠条形图的创建。DALI 用于生成 Newick 树状图以进行结构比较 [81]。iTOL （https://itol.embl.de/） 用于可视化系统发育树分析。在 https://cloud.oebiotech.com 使用 OECloud 工具执行集群热图和 PCA（主成分分析）。在 PyMOL 中可视化和编辑蛋白质结构 [108]。使用 ESPript 3 （https://espript.ibcp.fr/ESPript/ESPript/） 进行多序列比对 [109]。通过 CLUSTALW （https://www.genome.jp/tools-bin/clustalw） 分析每个结构簇中的成对序列相似性分析。
支持信息
S1 图 - 计算研究揭示了 Puccinia striiformis f. sp. tritici 效应子的结构特征和新家族
显示 1/7： pcbi.1012503.s001.docx
跳至 fig分享导航
很抱歉，我们无法加载您的数据。
1 / 7
下载
无花果分享
S1 图
图 3B 中所示的 Tubby 样效应子候选物的多序列比对。二级结构特征显示在 AlphaFold 2 预测结构的比对上DK0911_02754。蓝色背景序列的 C 端表示来自结构簇 30 （Struc.C_30） 的 Tubby 样效应子候选者。具有绿色背景的序列的 C 端表示来自 Struc.C_103 的 Tubby 样效应子候选者。68 个半胱氨酸和 189 个半胱氨酸在 DK0911_02754 序列中的对应位置表明二硫键的形成，在比对下方以绿色“1”标记。
https://doi.org/10.1371/journal.pcbi.1012503.s001
（DOCX）
S1 表。 通过其结构同源分析鉴定和结构解析植物病原体的效应子或无毒因子。
https://doi.org/10.1371/journal.pcbi.1012503.s002
（XLSX）
S2 表。 鉴定了 Puccinia striiformis f. sp. tritici 效应子和 Puccinia graminis f. sp. tritici 的无毒因子及其同源分析。
https://doi.org/10.1371/journal.pcbi.1012503.s003
（XLSX）
S3 表。 14 种 Puccinia striiformis 种族或分离物的蛋白质集，用于从蛋白质组到效应子的分析和统计。
https://doi.org/10.1371/journal.pcbi.1012503.s004
（XLSX）
S4 表。 来自 14 个 Puccinia striiformis 种族或分离株的 8,102 个预测效应子的元数据。
https://doi.org/10.1371/journal.pcbi.1012503.s005
（XLSX）
S5 表。 Puccinia striiformis f. sp. tritici 效应子候选者的序列簇和结构簇之间的统计。
https://doi.org/10.1371/journal.pcbi.1012503.s006
（XLSX）
S6 表。 Puccinia striiformis f. sp. tritici 的推定无毒因子及其同源分析。
https://doi.org/10.1371/journal.pcbi.1012503.s007
（XLSX）
确认
我们要感谢 Chaoming Zhang 在使用 AlphaFold2 预测特定种族的蛋白质结构方面的帮助。我们还要感谢 Diane G. O. Saunders 和 Cristobal Uauy 提供 PST-21、PST-43、PST-87/7 和 PST-08/21 的蛋白质组数据。此外，我们衷心感谢 Shozeb Haider 博士的宝贵支持。他们的贡献对我们的研究非常宝贵。
引用
1.Toruño TY， Stergiopoulos I， Coaker G. 植物病原体效应器：细胞探针以空间和时间方式干扰植物防御。Annu Rev Phytopathol.2016;54:419–41.PMID：27359369
查看文章PubMed/NCBI谷歌学术
2.Mukhi N， Gorenkin D， 班菲尔德 MJ.探索折叠、进化和宿主相互作用：了解疾病和免疫中的效应子结构/功能。新植物醇。2020;227(2):326–33.PMID：32239533
查看文章PubMed/NCBI谷歌学术
3.Franceschetti M， Maqbool A， Jiménez-Dalmaroni MJ， Pennington HG， Kamoun S， Banfield MJ.丝状植物病原体的效应子：多样性中的共性。Microbiol Mol Biol Rev. 2017;81（2）：e00066-16。PMID：28356329
查看文章PubMed/NCBI谷歌学术
4.欧特兰 MA， 菲格罗亚 M， 斯珀施奈德 J， 威廉姆斯 SJ， 多兹 PN.眼见为实：利用结构生物学的进步来了解和设计植物免疫力。Curr Opin 植物生物学 2022;67：102210。PMID：35461025
查看文章PubMed/NCBI谷歌学术
5.Lovelace AH， Dorhmi S， Hulin MT， Li Y， Mansfield JW， 马 W. 植物病原体中的效应子鉴定。植物病理学。2023;113(4):637–50.PMID：37126080
查看文章PubMed/NCBI谷歌学术
6.Boutemy LS、King SRF、Win J、Hughes RK、Clarke TA、Blumenschein TMA 等人。疫霉菌 RXLR 效应蛋白的结构：保守但适应性强的折叠支撑了功能多样性。J Biol Chem. 2011 年;286(41):35834–42.PMID：21813644
查看文章PubMed/NCBI谷歌学术
7.He J， Ye W， Choi DS， Wu B， Zhai Y， Guo B， et al.疫霉菌抑制因子 RNA 沉默 2 （PSR2） 的结构分析揭示了导致毒力的保守模块化折叠。美国国家科学院院刊 2019 年;116(16):8054–9.PMID：30926664
查看文章PubMed/NCBI谷歌学术
8.Guncar G、Wang C-IA、Forwood JK、Teh T、Catanzariti AM、Ellis JG 等人。使用 Co2+ 进行亚麻锈病无毒蛋白的结晶和结构测定，使用常规单色 X 射线源。Acta Crystallogr Sect F Struct Biol Cryst Commun.2007;63（第 3 部分）：209-13。PMID：17329816
查看文章PubMed/NCBI谷歌学术
9.Wang C-IA， Guncar G， Forwood JK， Teh T， Catanzariti A-M， Lawrence GJ， et al.亚麻锈病无毒蛋白 AvrL567-A 和 -D 的晶体结构揭示了亚麻病抗性特异性的结构基础细节。植物细胞。2007;19(9):2898–912.PMID：17873095
查看文章PubMed/NCBI谷歌学术
10.Di X， Cao L， Hughes RK， Tintor N， Banfield MJ， Takken FLW.尖孢镰刀菌 Avr2 效应子的结构功能分析允许其免疫抑制活性与识别脱钩。新植物醇。2017;216(3):897–914.PMID：28857169
查看文章PubMed/NCBI谷歌学术
11.Yu DS、Outram MA、Smith A、McCombe CL、Khambalkar PB、Rima SA 等人。通过实验和计算研究揭示的尖孢镰刀菌 f. sp. lycopersici 效应器的结构库。Elife 的。2024;12：RP89280。PMID：38411527
查看文章PubMed/NCBI谷歌学术
12.Sarma GN、Manning VA、Ciuffetti LM、Karplus PA。Ptr ToxA 的结构：一种来自 Pyrenophora tritici-repentis 的含 RGD 的宿主选择性毒素。植物细胞。2005;17(11):3190–202.PMID：16214901
查看文章PubMed/NCBI谷歌学术
13.张 Z-M， 张 X， 周 Z-R， 胡 H-Y， 刘 M， 周 B， 等.米瘟病菌无毒蛋白 AvrPiz-t 的溶液结构。J Biomol NMR。2013;55(2):219–23.PMID：23334361
查看文章PubMed/NCBI谷歌学术
14.de Guillen K， Ortiz-Vallejo D， Gracy J， Fournier E， Kroj T， Padilla A. 结构分析揭示了植物病原真菌中高度多样化但结构保守的效应子家族。PLoS 病原体。2015;11（10）：e1005228。产品编号：26506000
查看文章PubMed/NCBI谷歌学术
15.Ose T、Oikawa A、Nakamura Y、Maenaka K、Higuchi Y、Satoh Y 等人。来自米瘟病菌的无毒蛋白 AVR-Pia 的溶液结构。J Biomol NMR。2015;63(2):229–35.PMID：26362280
查看文章PubMed/NCBI谷歌学术
16.Nyarko A、Singarapu KK、Figueroa M、Manning VA、Pandelova I、Wolpert TJ 等人。溶液 Pyrenophora tritici-repentis ToxB 及其无活性同系物的 NMR 结构揭示了毒素活性的潜在决定因素。J Biol Chem. 2014 年;289(37):25946–56.PMID：25063993
查看文章PubMed/NCBI谷歌学术
17.Pennington HG、Jones R、Kwon S、Bonciani G、Thieron H、Chandler T 等人。真菌核糖核酸酶样效应蛋白 CSEP0064/BEC1054 抑制植物免疫并干扰宿主核糖体 RNA 的降解。PLoS 病原体。2019;15（3）：e1007620。PMID：30856238
查看文章PubMed/NCBI谷歌学术
18.Cao Y， Kümmel F， Logemann E， Gebauer JM， Lawson AW， Yu D， et al.常见白粉病效应支架内的结构多态性是与谷物免疫受体协同进化的驱动因素。美国国家科学院院刊 2023 年;120（32）：e2307604120。PMID：37523523
查看文章PubMed/NCBI谷歌学术
19.Blondeau K、Blaise F、Graille M、Kale SD、Linglin J、Ollivier B 等人。Leptosphaeria maculans 的效应子 AvrLm4-7 的晶体结构揭示了其转位到植物细胞和抗性蛋白识别的见解。植物 J. 2015;83(4):610–24.PMID：26082394
查看文章PubMed/NCBI谷歌学术
20.Lazar N、Mesarich CH、Petit-Houdenot Y、Talbi N、Li de la Sierra-Gallay I、Zélie E 等人。一个新的结构保守的真菌效应子家族显示出与植物抗性蛋白的上位性相互作用。PLoS 病原体。2022;18（7）：e1010664。PMID：35793393
查看文章PubMed/NCBI谷歌学术
21.Derbyshire MC， Raffaele S. 表面挫折重新建模是真菌孤儿候选效应子的结构景观和进化的基础。Nat Commun.2023;14(1):5244.PMID：37640704
查看文章PubMed/NCBI谷歌学术
22.罗扎诺 L、穆库卡 YM、Hane JK、曼塞拉 RL。ToxA 样和 MAX 真菌效应蛋白结构的 Ab Initio 建模。国际分子科学杂志 2023;24(7):6262.PMID：37047233
查看文章PubMed/NCBI谷歌学术
23.Seong K， Krasileva KV.预测真菌植物病原体的效应蛋白结构可以进行进化分析。自然微生物学。2023;8(1):174–87.PMID：36604508
查看文章PubMed/NCBI谷歌学术
24.Yan X， Tang B， Ryder LS， MacLean D， Were VM， Eseola AB， et al.稻瘟病菌 Magnaporthe oryzae 感染植物的转录景观揭示了时间上共同调节和结构保守的效应子的不同家族。植物细胞。2023;35(5):1360–85.PMID：36808541
查看文章PubMed/NCBI谷歌学术
25.De la Concepcion JC， Langner T， Fujisaki K， Yan X， Were V， Lam AHC， et al. 锌指 （ZiF） 折叠分泌效应子在稻瘟菌 Magnaporthe oryzae 的谱系中形成一个功能多样化的家族。PLoS 病原体。2024;20（6）：e1012277。PMID：38885263
查看文章PubMed/NCBI谷歌学术
26.Schuster M、Schweizer G、Reißmann S、Happel P、Aßmann D、Rössel N 等人。在黑穗病真菌中保守的新型分泌效应子有助于 ustilago maydis 的毒力。mol 植物微生物相互作用。2024;37(3):250–63.PMID：38416124
查看文章PubMed/NCBI谷歌学术
27.Zhang Z， Zhang X， Tian Y， Wang L， Cao J， Feng H， et al.完整的端粒到端粒基因组揭示了卵菌植物病原体中染色体融合赋予的毒力进化。Nat Commun.2024;15(1):4624.PMID：38816389
查看文章PubMed/NCBI谷歌学术
28.威胁粮食安全的病原体：Puccinia striiformis，小麦条锈病病原体。2020 年食品节;12(2):239–51.
查看文章谷歌学术
29.Schwessinger B. 21 世纪的基础小麦条锈病研究。新植物醇。2017;213(4):1625–31.PMID：27575735
查看文章PubMed/NCBI谷歌学术
30.Xia C， Qiu A， Wang M， Liu T， Chen W， Chen X. 锈菌基因组学研究的现状和未来展望.国际分子科学杂志 2022;23(17):9629.PMID：36077025
查看文章PubMed/NCBI谷歌学术
31.吴 N， Ozketen AC， 程 Y， 江 W， 周 X， 赵 X， 等.Puccinia striiformis f. sp. tritici 小麦免疫反应中的效应子。前植物科学 2022;13：1012216。PMID：36420019
查看文章PubMed/NCBI谷歌学术
32.Wang J， Chen T， Tang Y， Zhang S， Xu M， Liu M， et al.Puccinia striiformis f. sp. tritici 小麦感染期间效应子的生物学作用。生物分子。2023;13(6):889.PMID：37371469
查看文章PubMed/NCBI谷歌学术
33.徐 Q， Wang J， Zhao J， 徐 J， Sun S， Zhang H， et al.来自 Puccinia striiformis f. sp. tritici 的多糖脱乙酰酶是抑制植物免疫的重要致病基因。植物生物技术杂志 2020;18(8):1830–42.PMID：31981296
查看文章PubMed/NCBI谷歌学术
34.刘 L， 夏 Y， 李 Y， 周 Y， 苏 X， 闫 X 等.抑制几丁质脱乙酰酶以减轻植物真菌病害。Nat Commun.2023;14(1):3857.PMID：37385996
查看文章PubMed/NCBI谷歌学术
35.Lubega J， Figueroa M， Dodds PN， Kanyuka K. 小麦真菌茎锈病菌产生的无毒效应器的比较分析。mol 植物微生物相互作用。2024;37(3):171–8.PMID：38170736
查看文章PubMed/NCBI谷歌学术
36.Chen J、Upadhyaya NM、Ortiz D、Sperschneider J、Li F、Bouton C 等人。茎锈病中体细胞交换导致 AvrSr50 在小麦中对 Sr50 抗性产生毒力。科学。2017;358(6370):1607–10.PMID：29269475
查看文章PubMed/NCBI谷歌学术
37.Ortiz D、Chen J、Outram MA、Saur IML、Upadhyaya NM、Mago R 等人。茎锈效应蛋白 AvrSr50 通过替换单个表面暴露的残基来逃避 Sr50 识别。新植物醇。2022;234(2):592–606.PMID：35107838
查看文章PubMed/NCBI谷歌学术
38.Salcedo A、Rutter W、Wang S、Akhunova A、Bolus S、Chao S 等人。AvrSr35 基因的变异决定了 Sr35 对小麦茎锈病 Ug99 的抗性。科学。2017;358(6370):1604–6.PMID：29269474
查看文章PubMed/NCBI谷歌学术
39.Förderer A， Li E， Lawson AW， 邓 Y-N， 孙 Y， Logemann E 等.小麦抵抗体定义了免疫受体通道的常见原理。自然界。2022;610(7932):532–9.PMID：36163289
查看文章PubMed/NCBI谷歌学术
40.赵 Y-B， 刘 M-X， 陈 T-T， 马 X， 李 Z-K， 郑 Z， 等.病原体效应子 AvrSr35 通过直接识别机制触发 Sr35 抵抗体组装。科学广告 2022;8（36）：EABQ5108。PMID：36083908
查看文章PubMed/NCBI谷歌学术
41.Arndell T、Chen J、Sperschneider J、Upadhyaya NM、Blundell C、Niesner N 等人。原生质体中的混合效应子文库筛选可快速识别新的 Avr 基因。自然植物。2024;10(4):572–80.PMID：38409291
查看文章PubMed/NCBI谷歌学术
42.Upadhyaya NM、Mago R、Panwar V、Hewitt T、Luo M、Chen J 等人。基因组学加速分离新的茎锈无毒基因-小麦抗性基因对。自然植物。2021;7(9):1220–8.PMID：34294906
查看文章PubMed/NCBI谷歌学术
43.Outram MA、Chen J、Broderick S、Li Z、Aditya S、Tasneem N 等人。AvrSr27 是一种锌结合效应子，具有对免疫识别很重要的模块化结构。新植物醇。2024;243(1):314–29.PMID：38730532
查看文章PubMed/NCBI谷歌学术
44.Seong K， Krasileva KV.计算结构基因组学揭示了真菌植物病原体 magnaporthe oryzae 分泌组中的常见折叠和新家族。mol 植物微生物相互作用。2021;34(11):1267–80.PMID：34415195
查看文章PubMed/NCBI谷歌学术
45.罗扎诺 L、琼斯 DAB、Hane JK、曼塞拉 RL。基于模板的真菌效应蛋白结构建模。分子生物技术。2024;66(4):784–813.PMID：36940017
查看文章PubMed/NCBI谷歌学术
46.Teufel F， Almagro Armenteros JJ， Johansen AR， Gíslason MH， Pihl SI， Tsirigos KD， et al. SignalP 6.0 使用蛋白质语言模型预测所有五种类型的信号肽。国家生物技术.2022;40(7):1023–5.PMID：34980915
查看文章PubMed/NCBI谷歌学术
47.Paysan-Lafosse T、Blum M、Chuguransky S、Grego T、Pinto BL、Salazar GA 等人。InterPro 的 2022 年。核酸研究 2023;51（D1）:D 418-27。PMID：36350672
查看文章PubMed/NCBI谷歌学术
48.Gíslason MH， Nielsen H， Almagro Armenteros JJ， Johansen AR. 用指针神经网络预测 GPI 锚定蛋白。当前生物技术研究。2021;3:6–13.
查看文章谷歌学术
49.Sperschneider J， Dodds PN.EffectorP 3.0：预测真菌和卵菌中的质外体和细胞质效应子。mol 植物微生物相互作用。2022;35(2):146–56.PMID：34698534
查看文章谷歌学术
50.Jumper J、Evans R、Pritzel A、Green T、Figurnov M、Ronneberger O 等人。使用 AlphaFold 进行高精度的蛋白质结构预测。自然界。2021;596(7873):583–9.PMID：34265844
查看文章PubMed/NCBI谷歌学术
51.Mirdita M、Schütze K、Moriwaki Y、Heo L、Ovchinnikov S、Steinegger M. ColabFold：让所有人都能获得蛋白质折叠。Nat 方法。2022;19(6):679–82.PMID：35637307
查看文章PubMed/NCBI谷歌学术
52.Li W， Godzik A. Cd-hit：一种用于聚类和比较大量蛋白质或核苷酸序列的快速程序。生物信息学。2006;22(13):1658–9.PMID：16731699
查看文章PubMed/NCBI谷歌学术
53.van Kempen M、Kim SS、Tumescheit C、Mirdita M、Lee J、Gilchrist CLM 等人。使用 Foldseek 快速准确地搜索蛋白质结构。国家生物技术.2024;42(2):243–6.PMID：37156916
查看文章PubMed/NCBI谷歌学术
54.卡蒙 S.植物病原卵菌的效应分泌组目录。Annu Rev Phytopathol.2006;44:41–60.PMID：16448329
查看文章PubMed/NCBI谷歌学术
55.Saunders DGO， Win J， Cano LM， Szabo LJ， Kamoun S， Raffaele S. 使用分泌蛋白家族的分层聚类对锈菌的候选效应子进行分类和排序。公共科学图书馆一号。2012;7（1）：e29847。PMID：22238666
查看文章PubMed/NCBI谷歌学术
56.Sperschneider J、Dodds PN、Singh KB、Taylor JM。ApoplastP：使用机器学习预测质外体中的效应子和植物蛋白。新植物醇。2018;217(4):1764–78.PMID：29243824
查看文章PubMed/NCBI谷歌学术
57.Sperschneider J， Catanzariti A-M， DeBoer K， Petre B， Gardiner DM， Singh KB， et al. 定位器：植物细胞中植物和效应蛋白的亚细胞定位预测。科学代表 2017;744598。PMID：28300209
查看文章PubMed/NCBI谷歌学术
58.Horton P、Park KJ、Obayashi T、Fujita N、Harada H、Adams-Collier CJ 等人。WoLF PSORT：蛋白质定位预测因子。核酸研究 2007;35（Web 服务器问题）：W585-7。PMID：17517783
查看文章PubMed/NCBI谷歌学术
59.Almagro Armenteros JJ、Salvatore M、Emanuelsson O、Winther O、von Heijne G、Elofsson A 等人。使用深度学习检测靶向肽段中的序列信号。生命科学联盟。2019;2（5）：e201900429。PMID：31570514
查看文章PubMed/NCBI谷歌学术
60.Thomas PD、Ebert D、Muruganujan A、Mushayahama T、Albou LP、Mi H. PANTHER：让所有人都能获得基因组规模的系统发育学。蛋白质科学 2022;31(1):8–22.PMID：34717010
查看文章PubMed/NCBI谷歌学术
61.Mistry J、Chuguransky S、Williams L、Qureshi M、Salazar GA、Sonnhammer ELL 等人。Pfam：2021 年的蛋白质家族数据库。核酸研究 2021;49（D1）:D 412-9。PMID：33125078
查看文章PubMed/NCBI谷歌学术
62.Oates ME、Stahlhacke J、Vavoulis DV、Smithers B、Rackham OJL、Sardar AJ 等人。2014 年的 SUPERFAMILY 1.75 数据库：数据翻倍。核酸研究 2015;43（数据库问题）:D 227-33。PMID：25414345
查看文章PubMed/NCBI谷歌学术
63.Sillitoe I， Bordin N， Dawson N， Waman VP， Ashford P， Scholes HM， et al. CATH：功能空间的结构覆盖率增加。核酸研究 2021;49（D1）:D 266–73。PMID：33237325
查看文章PubMed/NCBI谷歌学术
64.Lupas A， Van Dyke M， Stock J. 从蛋白质序列预测卷曲线圈。科学。1991;252(5009):1162–4.PMID：2031185
查看文章PubMed/NCBI谷歌学术
65.Sigrist CJA、de Castro E、Cerutti L、Cuche BA、Hulo N、Bridge A 等人。PROSITE 的新开发项目和持续开发项目。核酸研究 2013;41（数据库问题）:D 344-7。PMID：23161676
查看文章PubMed/NCBI谷歌学术
66.Wang J、Chitsaz F、Derbyshire MK、Gonzales NR、Gwadz M、Lu S 等人。2023 年的保守域数据库。核酸研究 2023;51（D1）:D 384-8。PMID：36477806
查看文章PubMed/NCBI谷歌学术
67.Rawlings ND、Barrett AJ、Thomas PD、Huang X、Bateman A、Finn RD。2017 年蛋白水解酶、其底物和抑制剂的 MEROPS 数据库以及与 PANTHER 数据库中肽酶的比较。核酸研究 2018;46（D1）:D 624-32。PMID：29145643
查看文章PubMed/NCBI谷歌学术
68.Aramaki T、Blanc-Mathieu R、Endo H、Ohkubo K、Kanehisa M、Goto S 等人。KofamKOALA：基于配置文件 HMM 和自适应分数阈值的 KEGG 直系同源物分配。生物信息学。2020;36(7):2251–2.PMID：31742321
查看文章PubMed/NCBI谷歌学术
69.Das S， Lee D， Sillitoe I， Dawson NL， Lees JG， Orengo CA. CATH 超家族的功能分类：一种基于结构域的蛋白质功能注释方法。生物信息学。2015;31(21):3460–7.PMID：26139634
查看文章PubMed/NCBI谷歌学术
70.Letunic I、Khedkar S、Bork P. SMART：2020 年的近期更新、新发展和状态。核酸研究 2021;49（D1）:D 458-60。PMID：33104802
查看文章PubMed/NCBI谷歌学术
71.Attwood TK、Coletta A、Muirhead G、Pavlopoulou A、Philippou PB、Popov I 等人。PRINTS 数据库：细粒度蛋白质序列注释和分析资源——它在 2012 年的地位。数据库（牛津）。2012;2012bas019. PMID：22508994
查看文章PubMed/NCBI谷歌学术
72.Cantalapiedra CP、Hernández-Plaza A、Letunic I、Bork P、Huerta-Cepas J. eggNOG-mapper v2：宏基因组尺度的功能注释、正字分配和域预测。分子生物学 Evol.2021;38(12):5825–9.PMID：34597405
查看文章PubMed/NCBI谷歌学术
73.Haft DH、Badretdin A、Coulouris G、DiCuccio M、Durkin AS、Jovenitti E 等人。RefSeq 和宏基因组时代的原核基因组注释管道。核酸研究 2024;52（D1）:D 762-9。PMID：37962425
查看文章PubMed/NCBI谷歌学术
74.Pedruzzi I， Rivoire C， Auchincloss AH， Coudert E， Keller G， de Castro E， et al. 2015 年的 HAMAP：蛋白质家族分类和注释系统的更新。核酸研究 2015;43（数据库问题）:D 1064-70。PMID：25348399
查看文章PubMed/NCBI谷歌学术
75.用于蛋白质功能和进化分析的 PIRSF 家族分类系统。Evol Bioinform 在线。2007;2:197–209.PMID：19455212
查看文章PubMed/NCBI谷歌学术
76.Burley SK， Bhikadiya C， Bi C， Bittrich S， Chao H， Chen L， et al. RCSB 蛋白质数据库 （RCSB.org）：提供实验确定的 PDB 结构以及来自人工智能/机器学习的 100 万个蛋白质计算结构模型。核酸研究 2023;51（D1）:D 488–508。PMID：36420884
查看文章PubMed/NCBI谷歌学术
77.福克斯 NK、布伦纳 SE、钱多尼亚 JM。SCOPe：蛋白质的结构分类--扩展，整合了 SCOP 和 ASTRAL 数据以及新结构的分类。核酸研究 2014;42（数据库问题）:D 304-9。PMID：24304899
查看文章PubMed/NCBI谷歌学术
78.Chandonia JM， Guan L， Lin S， Yu C， Fox NK， Brenner SE. SCOPe：蛋白质结构分类的改进 - 扩展数据库以促进变体解释和机器学习。核酸研究 2022;50（D1）:D 553-9。PMID：34850923
查看文章PubMed/NCBI谷歌学术
79.张 C、Shine M、Pyle AM、张 Y. US-align：蛋白质、核酸和大分子复合物的通用结构比对。Nat 方法。2022;19(9):1109–15.PMID：36038728
查看文章PubMed/NCBI谷歌学术
80.约翰逊 M、扎雷茨卡娅 I、雷塞利斯 Y、梅雷朱克 Y、麦金尼斯 S、马登 TL。NCBI BLAST：更好的 Web 界面。核酸研究 2008;36（Web 服务器问题）：W5-9。PMID：18440982
查看文章PubMed/NCBI谷歌学术
81.Holm L. Dali 服务器：蛋白质家族的结构统一。核酸研究 2022;50（W1）：W210-5。PMID：35610055
查看文章PubMed/NCBI谷歌学术
82.Wan C， Liu Y， Tian S， Guo J， Bai X， Zhu H， et al.来自条锈病病原体的富含丝氨酸的效应子靶向 Raf 样激酶以抑制宿主免疫。植物生理学。2022;190(1):762–78.PMID：35567492
查看文章PubMed/NCBI谷歌学术
83.Liu C， Wang Y， Wang Y， Du Y， Song C， Song P， et al.Puccinia striiformis f. sp. tritici 中富含甘氨酸丝氨酸的效应子 PstGSRE4 抑制铜锌超氧化物歧化酶的活性，以调节小麦的免疫力。PLoS 病原体。2022;18（7）：e1010702。PMID：35881621
查看文章PubMed/NCBI谷歌学术
84.Liu C， Wang Y， Du Y， Kang Z， Guo J， Guo J. Puccinia striiformis f. sp. tritici 中富含甘氨酸丝氨酸的效应子 PstGSRE4 靶向并稳定促进条锈病的 TaGAPDH2。植物细胞环境。2024;47(3):947–60.PMID：38105492
查看文章PubMed/NCBI谷歌学术
85.Wang Y， Liu C， Du Y， Cai K， Wang Y， Guo J， et al.条锈菌效应子 PstSIE1 靶向 TaSGT1 以促进病原体感染。植物 J. 2022;112(6):1413–28.PMID：36308427
查看文章PubMed/NCBI谷歌学术
86.Li Y， Xia C， Wang M， Yin C， Chen X. Puccinia striiformis f. sp. tritici 突变体分离株的全基因组测序确定了无毒基因候选物。BMC 基因组学。2020;21(1):247.PMID：32197579
查看文章PubMed/NCBI谷歌学术
87.Wang L， 温 Z， Liu S-W， Zhang L， Finley C， Lee H-J， et al.alphafold2 概述和克服其局限性的突破。计算生物医学 2024;176：108620。PMID：38761500
查看文章PubMed/NCBI谷歌学术
88.Homma F， Huang J， van der Hoorn RAL.AlphaFold-Multimer 预测植物-病原体界面的跨界相互作用。Nat Commun.2023;14(1):6040.PMID：37758696
查看文章PubMed/NCBI谷歌学术
89.Wang L， Jia Y， Osakina A， Olsen KM， Huang Y， Jia MH， et al.AlphaFold 蛋白结构预测揭示了植物囚犯免疫中的受体-配体相互作用。生物Rxiv。2024.
查看文章谷歌学术
90.琼斯 JDG， 斯塔斯卡维奇 BJ， 丹格尔 JL.植物免疫系统：从发现到部署。细胞。2024;187(9):2095–116.PMID：38670067
查看文章PubMed/NCBI谷歌学术
91.Barrio-Hernandez I、Yeo J、Jänes J、Mirdita M、Gilchrist CLM、Wein T 等人。在已知蛋白质宇宙的尺度上对预测结构进行聚类。自然界。2023;622(7983):637–45.PMID：37704730
查看文章PubMed/NCBI谷歌学术
92.Durairaj J、Waterhouse AM、Mets T、Brodiazhenko T、Abdullah M、Studer G 等人。在天然蛋白质宇宙中发现新的家族和折叠。自然界。2023;622(7983):646–53.PMID：37704037
查看文章PubMed/NCBI谷歌学术
93.Lau AM、Bordin N、Kandathil SM、Sillitoe I、Waman VP、Wells J 等人。使用 The Encyclopedia of Domains 探索整个蛋白质领域的结构多样性。科学。2024;386（6721）：EADQ4946。PMID：39480926
查看文章PubMed/NCBI谷歌学术
94.Gligorijević V、Renfrew PD、Kosciolek T、Leman JK、Berenberg D、Vatanen T 等人。使用图卷积网络进行基于结构的蛋白质功能预测。Nat Commun.2021;12(1):3168.PMID：34039967
查看文章PubMed/NCBI谷歌学术
95.Hamamsy T、Morton JT、Blackwell R、Berenberg D、Carriero N、Gligorijevic V 等人。使用深度学习进行蛋白质远程同源检测和结构比对。国家生物技术.2024;42(6):975–85.PMID：37679542
查看文章PubMed/NCBI谷歌学术
96.洪 L， 胡 Z， 孙 S， 唐 X， 王 J， 谭 Q， 等.使用深度密集修复快速、灵敏地检测蛋白质同源物。国家生物技术.2024. PMID：39123049
查看文章PubMed/NCBI谷歌学术
97.徐 Q， 唐 C， 王 X， 孙 S， 赵 J， 康 Z， 等.小麦条锈菌的效应蛋白靶向叶绿体并抑制叶绿体功能。Nat Commun.2019;10(1):5571.PMID：31804478
查看文章PubMed/NCBI谷歌学术
98.Wang X， Zhai T， Zhang X， Tang C， 庄 R， 赵 H， et al.两个条锈效应子通过抑制宿主 Fe-S 蛋白输入叶绿体来损害小麦抗性。植物生理学。2021 年;187(4):2530–43.PMID：34890460
查看文章PubMed/NCBI谷歌学术
99.鲍 X， 胡 Y， 李 Y， 陈 X， 尚 H， 胡 X.两种 Puccinia striiformis f. sp. tritici 效应子的相互作用调节小麦高温幼苗-植物抗性。Mol 植物病理学。2023;24(12):1522–34.PMID：37786323
查看文章PubMed/NCBI谷歌学术
100.Whisson SC、Boevink PC、Moleleki L、Avrova AO、Morales JG、Gilroy EM 等人。用于将卵菌效应蛋白递送到宿主植物细胞中的易位信号。自然界。2007;450(7166):115–8.PMID：17914356
查看文章PubMed/NCBI谷歌学术
101.Lévesque CA、Brouwer H、Cano L、Hamilton JP、Holt C、Huitema E 等人。坏死植物病原体 Pythium ultimum 的基因组序列揭示了原始致病机制和效应器库。基因组生物学 2010;11（7）：R73。PMID：20626842
查看文章PubMed/NCBI谷歌学术
102.Yoshida K、Saitoh H、Fujisawa S、Kanzaki H、Matsumura H、Yoshida K 等人。关联遗传学揭示了来自稻瘟病真菌病原体 Magnaporthe oryzae 的三个新型无毒基因。植物细胞。2009;21(5):1573–91.PMID：19454732
查看文章PubMed/NCBI谷歌学术
103.Ridout CJ、Skamnioti P、Porritt O、Sacristan S、Jones JDG、Brown JKM。谷物白粉病真菌中的多种无毒旁系同源物可能有助于寄生虫适应性和植物抗性被击败。植物细胞。2006;18(9):2402–14.PMID：16905653
查看文章PubMed/NCBI谷歌学术
104.Godfrey D， Böhlenius H， Pedersen C， Zhang Z， Emmersen J， Thordal-Christensen H. 白粉病真菌效应子候选者共享 N 端 Y/F/WxC 基序。BMC 基因组学。2010;11:317.PMID：20487537
查看文章PubMed/NCBI谷歌学术
105.Catanzariti A-M、Dodds PN、Lawrence GJ、Ayliffe MA、Ellis JG。来自亚麻锈病的吸口表达分泌蛋白高度富集，可用于无毒诱发剂。植物细胞。2006;18(1):243–56.PMID：16326930
查看文章PubMed/NCBI谷歌学术
106.Bordin N、Sillitoe I、Nallapareddy V、Rauer C、Lam SD、Waman VP 等人。AlphaFold2 揭示了 21 种模式生物在蛋白质结构空间中的共性和新颖性。Commun Biol. 2023;6(1):160.PMID：36755055
查看文章PubMed/NCBI谷歌学术
107.TBtools-II： 用于生物大数据挖掘的“我为人人，人人为我”的生物信息学平台。摩尔植物。2023;16(11):1733–42.PMID：37740491
查看文章PubMed/NCBI谷歌学术
108.德拉诺 W.PyMOL 分子图形系统。CCP4 Newsl 蛋白质晶体学家。2002;40:82–92.
查看文章谷歌学术
109.Robert X， Gouet P. 使用新的 ENDscript 服务器破译蛋白质结构中的关键特征。核酸研究 2014;42（Web 服务器问题）：W320-4。PMID：24753421
查看文章PubMed/NCBI谷歌学术
您当前的位置：
