中科院武汉病毒研究所陈士云研究员领导的病原细菌学科组在耶尔森氏菌三型分泌系统主调控蛋白LcrQ分泌机制研究中取得重要进展,相关结果近期发表在国际微生物学刊物Molecular Microbiology。

  三型分泌系统(Type III secretion system,T3SS)是革兰氏阴性病原细菌重要的毒力系统,研究其调控机制对控制病原细菌的感染具有重要意义。耶尔森氏菌的T3SS由一个毒力质粒编码,是研究T3SS调控及运转机制的重要模式菌株;其中LcrQ蛋白是T3SS主要的负反馈抑制因子,早在1995年就被鉴定参与耶尔森氏菌T3SS的负反馈抑制作用,全局性调控T3SS的表达和分泌。目前已知LcrQ在T3SS诱导条件下被分泌到细菌胞外激活T3SS,但尽管经历了将近20年的研究,LcrQ蛋白如何发挥负调控T3SS的功能以及LcrQ从细菌胞内被分泌到胞外的机制等研究一直没有进展。

  该学科组博士生李云龙等通过构建毒力质粒上的基因过表达文库,筛选可以全局性调控T3SS的蛋白,结果发现分泌装置蛋白YscV在其中起到重要作用。通过构建yscV及yscV/lcrQ双缺失突变株等,发现YscV对T3SS的全局性调控作用依赖于LcrQ蛋白,并发现YscV不是通过影响LcrQ蛋白的表达而是直接控制LcrQ蛋白的分泌来实现其调控作用。进一步的细菌双杂交及Pull-down分析结果均表明,YscV的C末端493-511区域与LcrQ存在直接的相互作用,且该相互作用对LcrQ的分泌是必须的。基于以上结果,提出了依赖于YscV的LcrQ分泌介导的反馈抑制模型。这项研究首次揭示了分泌装置蛋白YscV在主调控蛋白LcrQ分泌过程中的功能,为T3SS负反馈调控机制的深入研究提供了新的思路,同时也为进一步系统阐释T3SS的调控机制提供了重要基础。

   该研究得到了国家自然科学基金的资助。

YscV依赖的LcrQ分泌及反馈抑制T3SS模型

相关文章

OpenAI再出王炸,视频生成大模型Sora备受关注

人工智能(AI)领域的巨头OpenAI再次引发关注,其最新推出的视频生成大模型Sora因其出色的逼真度和想象力广受赞誉。相较于传统视频生成领域的平均4秒长度,Sora能够生成长达60秒的视频,这一创新......

研究揭示人类着床前胚胎发育阻滞的调控机制

近日,南方医科大学基础医学院教授李琳团队与广州医科大学附属第三医院副主任技师李磊团队合作,研究揭示了人类着床前胚胎发育阻滞伴随合子基因组激活的调控机制。相关成果发表于《自然-细胞生物学》。“该研究系统......

研究揭示叶绿体蛋白转运马达新功能

叶绿体是植物进行光合作用的细胞器。正常发育过程受到核基因组和叶绿体基因组在多个层次的协同调控。核质互作的分子机理是叶绿体生物发生的核心科学问题之一。光合膜蛋白复合体的反应中心亚基通常由叶绿体基因编码,......

复旦大学650万元采购一套超高分辨率蛋白生物药质谱

复旦大学超高分辨率蛋白生物药质谱分析系统采购国际招标招标项目的潜在投标人应在通过复旦大学采购与招标管理系统(以下简称电子采购平台,网址为:https://czzx.fudan.edu.cn)在线获取招......

揭示新的药物靶点:KRAS蛋白的构象控制位点

控制KRAS:揭示关键癌症蛋白的变构位点研究人员在基因组调控中心和威康萨克研究所利用深度突变扫描技术全面识别了蛋白质KRAS中的变构控制位点,该蛋白质是许多类型的癌症中最常见的突变基因之一。科学家们使......

揭示帕金森病中蛋白聚集的秘密:NEMO蛋白的关键作用

神经退行性疾病,如帕金森病或阿尔茨海默病,与大脑中蛋白质聚集的沉积有关。当细胞废物清除系统存在缺陷或超负荷时,这些聚集物会积累。一种主要与免疫系统信号传导过程相关的蛋白质NEMO可以防止帕金森病中发生......

学者同聚北师大,Urimarker2023共讨新发展

——第三届尿液生物标志物学术研讨会(Urimarker2023)顺利召开11月4日-11月5日,第三届尿液生物标志物学术研讨会(Urimarker2023)于北京师范大学圆满落幕。本次研讨会采用线上线......

Nature:通过全球宏基因组分析,将已知的蛋白家族数量翻倍

想象一下,科学家们用手电筒探索一个黑暗的房间,却只能清楚地辨认出光束范围内的东西。说到微生物群落,他们历来无法看到光束之外的东西---更糟糕的是,他们甚至不知道这个房间有多大。在一项新的研究中,来自美......

Science:新研究揭示短串联重复序列如何影响基因表达

几十年来,科学家们已经知道,“垃圾DNA(junkDNA)”实际上起着至关重要的作用:尽管基因组中的蛋白编码基因提供了构建蛋白的蓝图,但是基因组中的一些非编码部分,包括以前被认为是“垃圾DNA”的基因......

新进展!开发出寻找新型磁性材料的新方法

美国艾姆斯国家实验室(AmesNationalLaboratory)的科研人员开发出一个新的机器学习模型,该模型可预测新材料组合的居里温度(材料保持磁性的最高温度),用于寻找不含关键元素的永磁材料。科......