Metabolic In Silico Network Expansions to Predict and Exploit Enzyme Promiscuity

Genome-scale activity-based profiling of proteases requires identifying substrates that are specific to each individual protease. However, this process becomes increasingly difficult as the number of target proteases increases because most substrates are promiscuously cleaved by multiple proteases. We introduce a method - Substrate Libraries for Compressed sensing of Enzymes (SLICE) - for selecting complementary sets of promiscuous substrates to compile libraries that classify complex protease samples (1) without requiring deconvolution of the compressed signals and (2) without the use of highly specific substrates. SLICE ranks substrate libraries according to two features: substrate orthogonality and protease coverage. To quantify these features, we design a compression score that was predictive of classification accuracy across 140 in silico libraries (Pearson r = 0.71) and 55 in vitro libraries (Pearson r = 0.55) of protease substrates. We demonstrate that a library comprising only two protease substrates selected with SLICE can accurately classify twenty complex mixtures of 11 enzymes with perfect accuracy. We envision that SLICE will enable the selection of peptide libraries that capture information from hundreds of enzymes while using fewer substrates for applications such as the design of activity-based sensors for imaging and diagnostics.

Download Full-text

In Silico Toxicology

10.1039/9781849732093 ◽

2010 ◽

Cited By ~ 30

Keyword(s):

In Silico

Download Full-text

A systematic review with in silico analysis on transcriptomic profile of gallbladder carcinoma

Seminars in Oncology ◽

10.1053/j.seminoncol.2020.02.012 ◽

2020 ◽

Vol 47 (6) ◽

pp. 398-408

Author(s):

Sonam Tulsyan ◽

Showket Hussain ◽

Balraj Mittal ◽

Sundeep Singh Saluja ◽

Pranay Tanwar ◽

...

Keyword(s):

Systematic Review ◽

Gallbladder Carcinoma ◽

In Silico ◽

In Silico Analysis ◽

Transcriptomic Profile ◽

Silico Analysis

Download Full-text

Common and well-documented Allele List: unverzichtbares Hilfsmittel für die moderne HLA-Typisierung

Transfusionsmedizin - Immunhämatologie Hämotherapie Immungenetik Zelltherapie ◽

10.1055/a-0898-1122 ◽

2019 ◽

Vol 9 (04) ◽

pp. 241-245

Author(s):

Nils Lachmann ◽

Diana Stauch ◽

Axel Pruß

Keyword(s):

In Silico ◽

Regionale Unterschiede

ZusammenfassungDie Typisierung der humanen Leukozytenantigene (HLA) vor Organ- und hämatopoetischer Stammzelltransplantation zur Beurteilung der Kompatibilität von Spender und Empfänger wird heutzutage in der Regel molekulargenetisch mittels Amplifikation, Hybridisierung oder Sequenzierung durchgeführt. Durch die exponentiell steigende Anzahl an neu entdeckten HLA-Allelen treten vermehrt Mehrdeutigkeiten, sogenannte Ambiguitäten, in der HLA-Typisierung auf, die aufgelöst werden müssen, um zu einem eindeutigen Ergebnis zu gelangen. Mithilfe kategorisierter Allelfrequenzen (häufig, gut dokumentiert und selten) in Form von CWD-Allellisten (CWD: common and well-documented) ist die In-silico-Auflösung von Ambiguitäten durch den Ausschluss seltener Allele als mögliches Ergebnis realisierbar. Ausgehend von einer amerikanischen CWD-Liste existieren derzeit auch eine europäische, deutsche und chinesische CWD-Liste, die jeweils regionale Unterschiede in den Allelfrequenzen erkennbar werden lassen. Durch die Anwendung von CWD-Allelfiltern in der klinischen HLA-Typisierung können Zeit, Kosten und Arbeitskraft eingespart werden.

Download Full-text