GNAT3,也称为G蛋白α亚基,是G蛋白偶联受体(GPCR)信号通路中的关键组分。G蛋白是一种异源三聚体GTP酶,由α、β和γ亚基组成,负责将GPCR的信号传递至下游效应分子。GNAT3作为G蛋白的α亚基,主要在味觉系统中发挥作用,参与甜、鲜和苦味的信号转导[2]。此外,GNAT3还与多种生理和病理过程相关,包括胰腺癌、代谢性疾病和阿尔茨海默病等。
在胰腺癌中,GNAT3的表达与肿瘤的进展密切相关。一项研究表明,在胰腺导管腺癌(PDA)小鼠模型中,GNAT3的缺失导致肿瘤相关免疫抑制因子的释放增加,如CXCL1和CXCL2,进而促进肿瘤的发生和转移[1]。此外,GNAT3的缺失还改变了免疫调节基因的表达,增加了促肿瘤的髓源性抑制细胞(MDSCs)的数量,进一步加剧了肿瘤的免疫抑制状态[1]。
在代谢性疾病中,GNAT3的表达与葡萄糖稳态和胰岛素分泌相关。研究发现,肥胖和2型糖尿病患者肠道内分泌细胞(EECs)中GNAT3的表达降低,导致GLP-1分泌减少,进而影响胰岛素的释放和血糖的控制[4]。然而,通过减肥和糖尿病缓解后,GNAT3的表达可以部分恢复,提示GNAT3在代谢性疾病的发生发展中发挥重要作用[4]。
此外,GNAT3的基因多态性与咖啡的喜好有关。研究发现,GNAT3基因中的一个单核苷酸多态性(SNP)与对甜味咖啡的喜好增加和对无糖咖啡的喜好降低相关[3]。这表明GNAT3的遗传变异可能影响个体对甜味的感知和偏好。
在阿尔茨海默病(AD)中,GNAT3的表达也受到影响。研究发现,AD患者大脑中GNAT3的表达降低,提示GNAT3可能参与AD的病理过程[5]。此外,GNAT3还与细胞骨架蛋白ARHGAP32和基质金属蛋白酶MMP9存在功能相关性,这些蛋白质在AD的发病机制中发挥重要作用[5]。
综上所述,GNAT3作为G蛋白的α亚基,在味觉系统、胰腺癌、代谢性疾病和阿尔茨海默病等多种生理和病理过程中发挥重要作用。GNAT3的表达和功能异常可能导致疾病的发生和发展。进一步研究GNAT3的生物学功能和作用机制,有助于深入理解相关疾病的发病机制,为疾病的治疗和预防提供新的思路和策略。
参考文献:
1. Hoffman, Megan T, Kemp, Samantha B, Salas-Escabillas, Daniel J, Wen, Hui-Ju, Crawford, Howard C. 2020. The Gustatory Sensory G-Protein GNAT3 Suppresses Pancreatic Cancer Progression in Mice. In Cellular and molecular gastroenterology and hepatology, 11, 349-369. doi:10.1016/j.jcmgh.2020.08.011. https://pubmed.ncbi.nlm.nih.gov/32882403/
2. Reed, Danielle R, Margolskee, Robert F. 2010. Gustation genetics: sweet gustducin! In Chemical senses, 35, 549-50. doi:10.1093/chemse/bjq059. https://pubmed.ncbi.nlm.nih.gov/20660058/
3. Eulalia, Catamo, Luciano, Navarini, Paolo, Gasparini, Antonietta, Robino. 2021. Are taste variations associated with the liking of sweetened and unsweetened coffee? In Physiology & behavior, 244, 113655. doi:10.1016/j.physbeh.2021.113655. https://pubmed.ncbi.nlm.nih.gov/34813822/
4. Le Gléau, Léa, Rouault, Christine, Osinski, Céline, Ribeiro, Agnès, Serradas, Patricia. 2021. Intestinal alteration of α-gustducin and sweet taste signaling pathway in metabolic diseases is partly rescued after weight loss and diabetes remission. In American journal of physiology. Endocrinology and metabolism, 321, E417-E432. doi:10.1152/ajpendo.00071.2021. https://pubmed.ncbi.nlm.nih.gov/34338041/
5. George, Benu, D Gokhale, Sheetal, Yaswanth, P M, Devika, S, Suchithra, T V. 2021. Identification of Alzheimer associated differentially expressed gene through microarray data and transfer learning-based image analysis. In Neuroscience letters, 766, 136357. doi:10.1016/j.neulet.2021.136357. https://pubmed.ncbi.nlm.nih.gov/34808269/