Comparing various attributes of prolactin hormones in different species: application of bioinformatics tools

پرولاکتين عمدتا توسط غده هيپوفيز پيشين ترشح شده و قادر به تحريک غدد شيري جهت رشد و توليد شير در پستانداران و توليد شير چينه دان در کبوتر مي‌باشد. اگر چه پرولاکتين‌ها از يک ژن اوليه منشعب شده‌اند، ولي اختصاصات گونه‌اي آن‌ها متفاوت بوده و ممکن است کارايي آن‌ها نيز متفاوت باشد. براي بررسي نقش خصوصيات مختلف پروتئيني هورمون پرولاکتين در گونه‌هاي مختلف، الگوريتم‌هاي مختلف بيوانفورماتيکي بر روي توالي کليه پرولاکتين‌هاي شناسايي شده اجرا گرديد. نتايج نشان داد که استفاده از اين روش مي‌تواند براي تعيين خصوصيات خاص پرولاکتين در هر گونه مورد استفاده قرار گيرد. براي اولين بار نشان داده شد که خصوصيات خاص گونه‌اي در هورمون پرولاکتين قابل رديابي بوده و تعداد و فراواني دي پپتيدها مهمترين فاکتور در اين زمينه بوده‌اند. همچنين نشان داده شد که استفاده از مدل انتخاب و يا وزن دهي خصوصيات مي‌تواند مهمترين عوامل را شناسايي کرده و فشار بر سيستم‌هاي پردازشي را کاهش دهد. اين يافته‌ها افق جديدي در بررسي خصوصيات هورمون‌هاي پرولاکتين در گونه‌هاي مختلف را نمايان ساخته و راه توليد هورمون‌هاي پرولاکتين موثرتر در آزمايشگاه با استفاده از ابزارهاي بيوتکنولوژي را هموار مي‌کند.

Prolactin is mainly secreted by the anterior pituitary and is able to stimulate mammary gland development and lactation in mammalians. Although prolactins share a common ancestral gene encoding, they show species specific characteristics and their efficiency may be different in various mammals. The importance of protein structures of all sequences of this hormone have been studied by various bioinformatics algorithms. The results showed bioinformatics tools and modeling methods can be used to identify the species specificity of prolactin hormones in animals with an acceptable precision rate. Based on the author’s knowledge, this is the first report on the structural variation of prolactin hormones by specific structural protein features. Gain ratio model acquired the best accuracy and performance among the algorithms applied here and can be used on similar proteins. The counts and the frequencies of dipeptides were the most important protein attributes in this regard. It has also been reported here that feature selection or attribute weighting can be used to select the most important protein attributes and to reduce the burden of processing equipment. The new findings presented here open up new windows in understanding the characteristics of prolactin hormones and also pave the way to engineer more efficient hormones by using various mutagenesis tools such as site directed mutagenesis.