Advances in Chemical PhysicsAdvances in Chemical PhysicsФизиология растений0015-33033034-6126The Russian Academy of Sciences64821210.31857/S0015330324020061OBJKHVЭКСПЕРИМЕНТАЛЬНЫЕ СТАТЬИResearch ArticlePhyscomitrium patens – модель для изучения эволюции белков с лектиновыми доменами у растенийPhyscomitrium patens – модель для изучения эволюции белков с лектиновыми доменами у растенийАгълямоваА. Р.
Russian Federation
aliaglyamova@yandex.ruХакимоваА. Р.
Russian Federation
aliaglyamova@yandex.ruГоршковО. В.
Russian Federation
aliaglyamova@yandex.ruГоршковаТ. А.
Russian Federation
aliaglyamova@yandex.ruКазанский институт биохимии и биофизики Федерального исследовательского центра “Казанский научный центр Российской академии наук”1608202471219320428012025Copyright ©; 2024, Russian Academy of SciencesCopyright ©; 2024, Российская академия наук2024Russian Academy of SciencesРоссийская академия наукhttps://journals.eco-vector.com/0015-3303/article/view/648212

Мох Physcomitrium (ранее Physcomitrella) patens (Hedw.) Mitt. – бессемянное и бессосудистое растение с расшифрованным геномом, представитель наиболее древних из ныне живущих таксонов наземных растений – удобная модель для изучения эволюционного развития растений. С целью изучения формирования набора и функций углевод-связывающих белков у растений в ходе эволюции проведен полногеномный скрининг генов, кодирующих белки с лектиновыми доменами, в геноме P. patens, и проанализирована их экспрессия в различных клетках и тканях мха. Выявлен 141 ген, кодирующий белки из 15 семейств, набор и число представителей которых существенно отличались от проанализированных ранее покрытосеменных растений. У P. patens некоторые из белков с лектиновыми доменами обладали специфичной доменной архитектурой, не представленной у высших семенных растений. Кластеризация генов по уровню их экспрессии в различных тканях мха выявила три паттерна экспрессии генов белков с лектиновыми доменами, из которых третий кластер, представленный в клетках с концевым типом роста (в каулонеме, хлоронеме и ризоидах мха), характеризовался наибольшим количеством активно экспрессирующихся генов. Полученные результаты подтверждают идею о раннем появлении у растений генов, кодирующих лектины, и дальнейшем расширении семейств белков с лектиновыми доменами с усложнением организации растений.

Мох Physcomitrium (ранее Physcomitrella) patens (Hedw.) Mitt. – бессемянное и бессосудистое растение с расшифрованным геномом, представитель наиболее древних из ныне живущих таксонов наземных растений – удобная модель для изучения эволюционного развития растений. С целью изучения формирования набора и функций углевод-связывающих белков у растений в ходе эволюции проведен полногеномный скрининг генов, кодирующих белки с лектиновыми доменами, в геноме P. patens, и проанализирована их экспрессия в различных клетках и тканях мха. Выявлен 141 ген, кодирующий белки из 15 семейств, набор и число представителей которых существенно отличались от проанализированных ранее покрытосеменных растений. У P. patens некоторые из белков с лектиновыми доменами обладали специфичной доменной архитектурой, не представленной у высших семенных растений. Кластеризация генов по уровню их экспрессии в различных тканях мха выявила три паттерна экспрессии генов белков с лектиновыми доменами, из которых третий кластер, представленный в клетках с концевым типом роста (в каулонеме, хлоронеме и ризоидах мха), характеризовался наибольшим количеством активно экспрессирующихся генов. Полученные результаты подтверждают идею о раннем появлении у растений генов, кодирующих лектины, и дальнейшем расширении семейств белков с лектиновыми доменами с усложнением организации растений.

Physcomitrium patensлектинытранскриптомфилогенияРоссийский научный фондRussian Science Foundation20-64-47036Федеральный исследовательский центр “Казанский научный центр Российской академии наук”Federal Research Center “Kazan Scientific Center of the Russian Academy of Sciences”De Coninck T., Van Damme E.J.M. The multiple roles of plant lectins // Plant Sci. 2021. V. 313. P. 111096. https://doi.org/10.1016/j.plantsci.2021.111096Cove D.J., Perroud P.F., Charron A.J., McDaniel S.F., Khandelwal A., Quatrano R.S. The moss Physcomitrella patens: a novel model system for plant development and genomic studies // Cold Spring Harb. Protoc. 2009. V. 2009:pdb.emo115. https://doi.org/10.1101/pdb.emo115Rensing S.A., Lang D., Zimmer A.D., Terry A., Salamov A., Shapiro H., Nishiyama T., Perroud P.F., Lindquist E.A., Kamisugi Y., Tanahashi T., Sakakibara K., Fujita T., Oishi K., Shin-I T. et al. The Physcomitrella genome reveals evolutionary insights into the conquest of land by plants // Science. 2008. V. 319. P. 64. https://doi.org/10.1126/science.1150646Van Holle S., Van Damme E.J.M. Messages from the past: new insights in plant lectin evolution // Front. Plant Sci. 2019. V. 10. P. 36. https://doi.org/10.3389/fpls.2019.00036Van Holle S., De Schutter K., Eggermont L., Tsaneva M., Dang L., Van Damme E.J.M. Comparative study of lectin domains in model species: new insights into evolutionary dynamics // Int. J. Mol. Sci. 2017. V. 18. P. 1136. https://doi: 10.3390/ijms18061136Van Damme E.J.M., Lannoo N., Peumans W.J. Plant lectins // Adv. Bot. Res. 2008. V. 48. P. 107. https://doi.org/10.1016/S0065-2296(08)00403-5Dinant S., Clark A.M., Zhu Y., Vilaine F., Palauqui J.C., Kusiak C., Thompson G.A. Diversity of the superfamily of phloem lectins (phloem protein 2) in angiosperms // Plant Physiol. 2003. V. 131. P. 114. https://doi.org/10.1104/pp.013086Fouquaert E., Peumans W.J., Vandekerckhove T., Ongenaert M., Van Damme E.J. Proteins with an Euonymus lectin-like domain are ubiquitous in Embryophyta // BMC Plant Biol. 2009. V. 9. P. 136. https://doi.org/10.1186/1471-2229-9-136Lang D., Ullrich K.K., Murat F., Fuchs J., Jenkins J., Haas F. B., Piednoel M., Gundlach H., Van Bel M., Meyberg R., Vives C., Morata J., Symeonidi A., Hiss M., Muchero W. et al. The Physcomitrella patens chromosome-scale assembly reveals moss genome structure and evolution // Plant J. 2018. V. 93. P. 515. https://doi.org/10.1111/tpj.13801Goodstein D.M., Shu S., Howson R., Neupane R., Hayes R.D., Fazo J., Mitros T., Dirks W., Hellsten U., Putnam N., Rokhsar D.S. Phytozome: a comparative platform for green plant genomics // Nucleic Acids Res. 2012. V. 40. P. D1178. https://doi.org/10.1093/nar/gkr944Wang J., Chitsaz F., Derbyshire M.K., Gonzales N.R., Gwadz M., Lu S., Marchler G.H., Song J.S., Thanki N., Yamashita R.A., Yang M., Zhang D., Zheng C., Lanczycki C.J., Marchler-Bauer A. The conserved domain database in 2023 // Nucleic Acids Res. 2022. V. 51. P. D384. https://doi.org/10.1093/nar/gkac1096Thomas P.D., Ebert D., Muruganujan A., Mushayahama T., Albou L.P., Mi H. PANTHER: making genome‐scale phylogenetics accessible to all // Protein Sci. 2022. V. 31. P. 8. https://doi.org/10.1002/pro.4218Blum M., Chang H.Y., Chuguransky S., Grego T., Kandasaamy S., Mitchell A., Nuka G., Paysan-Lafosse T., Qureshi M., Raj S., Richardson L., Salazar G.A., Williams L., Bork P., Bridge A. The InterPro protein families and domains database: 20 years on // Nucleic Acids Res. 2021. V. 49. P. D344. https://doi.org/10.1093/nar/gkaa977Keller O., Kollmar M., Stanke M., Waack S. A novel hybrid gene prediction method employing protein multiple sequence alignments // Bioinformatics. 2011. V. 27. P. 757. https://doi.org/10.1093/bioinformatics/btr010Almagro Armenteros J.J., Tsirigos K.D., Sønderby C.K., Petersen T.N., Winther O., Brunak S., von Heijne G., Nielsen H. SignalP 5.0 improves signal peptide predictions using deep neural networks // Nat. Biotechnol. 2019. V. 37. P. 423. https://doi.org/10.1038/s41587-019-0036-zKrogh A., Larsson B., Von Heijne G., Sonnhammer E.L. Predicting transmembrane protein topology with a hidden Markov model: application to complete genomes // J. Mol. Biol. 2001. V. 305. P. 567. https://doi.org/10.1006/jmbi.2000.4315Goldberg T., Hecht M., Hamp T., Karl T., Yachdav G., Ahmed N., Altermann U., Angerer P., Ansorge S., Balasz K., Bernhofer M., Betz A., Cizmadija L., Do K.T., Gerke J. LocTree3 prediction of localization // Nucleic Acids Res. 2014. V. 42. P. W350. https://doi.org/10.1093/nar/gku396Almagro Armenteros J.J., Sønderby C.K., Sønderby S.K., Nielsen H., Winther O. DeepLoc: prediction of protein subcellular localization using deep learning // Bioinformatics. 2017. V. 33. P. 3387. https://doi.org/10.1093/bioinformatics/btx431Madeira F., Park Y.M., Lee J., Buso N., Gur T., Madhusoodanan N., Basutkar P., Tivey A.R.N., Potter S.C, Finn R.D. Lopez R. The EMBL-EBI search and sequence analysis tools APIs in 2019 // Nucleic Acids Res. 2019. V. 47. P. W636. https://doi.org/10.1093/nar/gkz268Edgar R.C. MUSCLE: multiple sequence alignment with high accuracy and high throughput // Nucleic Acids Res. 2004. V. 32. P. 1792. https://doi.org/10.1093/nar/gkh340Aglyamova A., Petrova N., Gorshkov O., Kozlova L., Gorshkova T. Growing maize root: lectins involved in consecutive stages of cell development // Plants. 2022. V. 11. P. 1799. https://doi.org/10.3390/plants11141799Nguyen L.T., Schmidt H.A., Von Haeseler A., Minh B.Q. IQ-TREE: a fast and effective stochastic algorithm for estimating maximum-likelihood phylogenies // Mol. Biol. Evol. 2015. V. 32. P. 268. https://doi.org/10.1093/molbev/msu300Kalyaanamoorthy S., Min B.Q., Wong T.K., Von Haeseler A., Jermiin L.S. ModelFinder: fast model selection for accurate phylogenetic estimates // Nat. Methods. 2017. V. 14. P. 587. https://doi.org/10.1038/nmeth.4285Minh B.Q., Nguyen M.A.T., Von Haeseler A. Ultrafast approximation for phylogenetic bootstrap // Mol. Biol. Evol. 2013. V. 30. P. 1188. https://doi.org/10.1093/molbev/mst024Letunic I., Bork P. Interactive Tree Of Life (iTOL) v5: an online tool for phylogenetic tree display and annotation // Nucleic Acids Res. 2021. V. 49. P. W293. https://doi.org/10.1093/nar/gkab301Garcia-Hernandez M., Berardini T., Chen G., Crist D., Doyle A., Huala E., Knee E., Lambrecht M., Miller N., Mueller L.A., Mundodi S., Reiser L., Rhee S.Y., Scholl R., Tacklind J. TAIR: a resource for integrated Arabidopsis data // Funct. Integr. Genomics. 2002. V. 2. P. 239. https://doi.org/10.1007/s10142-002-0077-zOrtiz-Ramírez C., Hernandez-Coronado M., Thamm A., Catarino B., Wang M., Dolan L., Feijó J.A., Becker J.D. A transcriptome atlas of Physcomitrella patens provides insights into the evolution and development of land plants // Mol. Plant. 2016. V. 9. P. 205. http://dx.doi.org/10.1016%2Fj.molp.2015.12.002R Development Core Team (2014). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.r-project.org/Eggermont L., Verstraeten B., Van Damme E.J.M. Genome‐wide screening for lectin motifs in Arabidopsis thaliana // The plant genome. 2017. V. 10. plantgenome2017.02.0010. https://doi.org/10.3835/plantgenome2017.02.0010Petrova N., Nazipova A., Gorshkov O., Mokshina N., Patova O., Gorshkova T. Gene expression patterns for proteins with lectin domains in flax stem tissues are related to deposition of distinct cell wall types // Front. Plant Sci. 2021. V. 12. P. 634594. https://doi.org/10.3389/fpls.2021.634594Yang H., Wang D., Guo L., Pan H., Yvon R., Garman S., Wu H., Cheung A.Y. Malectin/Malectin-like domain-containing proteins: a repertoire of cell surface molecules with broad functional potential // Cell Surf. 2021. V. 7. P. 100056. https://doi.org/10.1016/j.tcsw.2021.100056Jiang S.Y., Ma Z., Ramachandran S. Evolutionary history and stress regulation of the lectin superfamily in higher plants // BMC Evol. Biol. 2010. V. 10. P. 1. https://doi.org/10.1186/1471-2148-10-79Jing X.Q., Shalmani A., Zhou M.R., Shi P.T., Muhammad I., Shi Y., Sharif R., Li W., Liu W., Chen K.M. Genome-wide identification of malectin/malectin-like domain containing protein family genes in rice and their expression regulation under various hormones, abiotic stresses, and heavy metal treatments // J. Plant Growth Regul. 2020. V. 39. P. 492. https://doi.org/10.1007/s00344-019-09997-8Bellande K., Bono J.J., Savelli B., Jamet E., Canut H. Plant lectins and lectin receptor-like kinases: how do they sense the outside? // Int. J. Mol. Sci. 2017. V. 18. P. 1164. https://doi.org/10.3390/ijms18061164Inamine S., Onaga S., Ohnuma T., Fukamizo T., Taira T. Purification, cDNA cloning, and characterization of LysM-containing plant chitinase from horsetail (Equisetum arvense) // Biosci. Biotechnol. Biochem. 2015. V. 79. P. 1296. https://doi.org/10.1080/09168451.2015.1025693Franck C.M., Westermann J., Boisson-Dernier A. Plant malectin-like receptor kinases: from cell wall integrity to immunity and beyond // Annu. Rev. Plant Biol. 2018. V. 69. P. 301. https://doi.org/10.1146/annurev-arplant-042817-040557De Coninck T., Van Damme E.J.M. Plant lectins: handymen at the cell surface // Cell Surf. 2022. V. 8. P. 100091. https://doi.org/10.1016/j.tcsw.2022.100091Ji D., Chen T., Zhang Z., Li B., Tian S. Versatile roles of the receptor-like kinase feronia in plant growth, development and host-pathogen interaction // Int. J. Mol. Sci. 2020. V. 21. P. 7881. https://doi.org/10.3390/ijms21217881Popper Z.A., Fry S.C. Primary cell wall composition of bryophytes and charophytes // Ann. Bot. 2003. V. 91. P. 1. https://doi.org/10.1093/aob/mcg013Mayer S., Raulf M.K., Lepenies B. C-type lectins: their network and roles in pathogen recognition and immunity // Histochem. Cell Biol. 2017. V. 147. P. 223. https://doi.org/10.1007/s00418-016-1523-7Ligrone R., Duckett J.G., Renzaglia K.S. Conducting tissues and phyletic relationships of bryophytes // Philos. Trans. R. Soc. 2000. V. 355. P. 795. https://doi.org/10.1098/rstb.2000.0616Stefanowicz K., Lannoo N., Van Damme E.J.M. Plant F-box proteins–judges between life and death // Crit. Rev. Plant Sci. 2015. V. 34. P. 523. https://doi.org/10.1080/07352689.2015.1024566Ye Z.H., Zhong R. Cell wall biology of the moss Physcomitrium patens // J. Exp. Bot. 2022. V. 73. P. 4440. https://doi.org/10.1093/jxb/erac122Vidali L., Bezanilla M. Physcomitrella patens: a model for tip cell growth and differentiation // Curr. Opin. Plant Biol. 2012. V. 15. P. 625. https://doi.org/10.1016/j.pbi.2012.09.008