ACBD6(acyl-CoA-binding domain-containing protein 6)是一种普遍存在于真核细胞中的蛋白质,其功能与脂质和蛋白质的酰化有关,并调节蛋白质的N-豆蔻酰化过程。N-豆蔻酰化是一种重要的翻译后修饰,可以调节蛋白质的功能、稳定性和膜结合。ACBD6在细胞中的作用机制尚未完全明确,但其缺陷对人类病理生理的影响已经引起关注。
在ACBD6基因中,双等位基因的致病性变异已被发现与神经发育障碍有关。这些变异主要导致ACBD6功能丧失,进而影响蛋白质的N-豆蔻酰化过程。研究发现,ACBD6缺陷与一系列神经发育障碍相关,包括全身性发育迟缓/智力障碍、运动障碍、面部畸形、轻度小脑共济失调、步态障碍、肢体痉挛/张力过高等[1]。此外,ACBD6缺陷还与肥胖、小头畸形和癫痫等表型有关[2]。这些表型在受影响的个体中呈复杂且进行性发展。
为了进一步研究ACBD6的功能,研究者们使用了CRISPR/Cas9技术构建了斑马鱼和非洲爪蟾的ACBD6基因敲除模型。研究发现,这些模型动物在运动障碍、进行性神经运动损害、癫痫、小头畸形、颅面畸形和中脑缺陷等方面与患者表型相似,并伴随发育迟缓和死亡率增加[1]。此外,与ACBD5不同,ACBD6不表现出过氧化物酶体的定位,且ACBD6缺陷与患者成纤维细胞中过氧化物酶体参数的改变无关[1]。
在蛋白质N-豆蔻酰化方面,研究者们使用豆蔻酸炔(YnMyr)化学蛋白质组学技术在人类细胞和模型生物中研究了ACBD6的作用。研究发现,在ACBD6缺陷的人类成纤维细胞中,68个共价修饰的蛋白质和18个翻译后N-豆蔻酰化的蛋白质的YnMyr标记存在显著差异[1]。类似地,在ACBD6缺陷的斑马鱼和非洲爪蟾模型中,Fus、Marcks和Chchd相关蛋白质的N-豆蔻酰化也受到影响,这些蛋白质在神经系统中具有重要作用[1]。
除了神经发育障碍外,ACBD6基因还与肥胖、贫血、糖尿病、肝硬化、肾功能衰竭等疾病相关。一项病例报告显示,ACBD6基因中的新型单碱基对重复变异与这些疾病相关,并导致受影响的个体在30多岁时死亡[2]。此外,基因组关联研究还发现,ACBD6基因与轻度缺血性脑卒中的认知和运动障碍恢复相关[3]。在阿尔茨海默病研究中,ACBD6基因被认为是潜在的生物标志物和治疗靶点[4]。此外,ACBD6基因还与多发性骨髓瘤和乙型肝炎病毒相关肝细胞癌的发生发展有关[5][6]。
综上所述,ACBD6是一种重要的蛋白质,参与调节蛋白质的N-豆蔻酰化过程,影响多种生物学过程和疾病的发生发展。ACBD6缺陷与神经发育障碍、肥胖、贫血、糖尿病、肝硬化、肾功能衰竭、多发性骨髓瘤和肝细胞癌等疾病相关。ACBD6的研究有助于深入理解蛋白质酰化修饰的生物学功能和疾病发生机制,为疾病的治疗和预防提供新的思路和策略。
参考文献:
1. Kaiyrzhanov, Rauan, Rad, Aboulfazl, Lin, Sheng-Jia, Houlden, Henry, Maroofian, Reza. . Bi-allelic ACBD6 variants lead to a neurodevelopmental syndrome with progressive and complex movement disorders. In Brain : a journal of neurology, 147, 1436-1456. doi:10.1093/brain/awad380. https://pubmed.ncbi.nlm.nih.gov/37951597/
2. Yeetong, Patra, Tanpowpong, Natthaporn, Rakwongkhachon, Supphakorn, Suphapeetiporn, Kanya, Shotelersuk, Vorasuk. 2022. Neurodevelopmental Disorder, Obesity, Pancytopenia, Diabetes Mellitus, Cirrhosis, and Renal Failure in ACBD6-Associated Syndrome: A Case Report. In Neurology. Genetics, 9, e200046. doi:10.1212/NXG.0000000000200046. https://pubmed.ncbi.nlm.nih.gov/36457943/
3. Aldridge, Chad M, Braun, Robynne, Lohse, Keith, Hsu, Fang-Chi, Worrall, Bradford B. 2024. Genome-Wide Association Studies of 3 Distinct Recovery Phenotypes in Mild Ischemic Stroke. In Neurology, 102, e208011. doi:10.1212/WNL.0000000000208011. https://pubmed.ncbi.nlm.nih.gov/38181310/
4. Wu, KeShangJing, Liu, QingSong, Long, KeYu, Li, Li, Li, Bin. 2024. Deciphering the role of lipid metabolism-related genes in Alzheimer's disease: a machine learning approach integrating Traditional Chinese Medicine. In Frontiers in endocrinology, 15, 1448119. doi:10.3389/fendo.2024.1448119. https://pubmed.ncbi.nlm.nih.gov/39507054/
5. Feng, Dan, Wang, Zhen, Cao, Shengji, Xu, Hui, Li, Shijun. 2024. Identification of lipid metabolism-related gene signature in the bone marrow microenvironment of multiple myelomas through deep analysis of transcriptomic data. In Clinical and experimental medicine, 24, 136. doi:10.1007/s10238-024-01398-w. https://pubmed.ncbi.nlm.nih.gov/38916672/
6. Kucukakcali, Zeynep, Akbulut, Sami, Colak, Cemil. . Machine Learning-based Prediction of HBV-related Hepatocellular Carcinoma and Detection of Key Candidate Biomarkers. In Medeniyet medical journal, 37, 255-263. doi:10.4274/MMJ.galenos.2022.39049. https://pubmed.ncbi.nlm.nih.gov/36128800/