Биоинформатический анализ изменений пептидного профиля молочных белков при хранении

Введение: Ферментативные процессы, происходящие в молочных продуктах при хранении, могут приводить к изменениям белкового состава, что влияет на их качество. Ключевую роль в этих изменениях играют как эндогенные ферменты, такие как плазмин, так и бактериальные протеазы. Применение биоинформатических методов позволяет моделировать гидролиз белков и прогнозировать образование пептидов со специфическими свойствами (с конкретными органолептическими характеристиками, биологической активностью, молекулярной массой, аминокислотной последовательностью и др.).

Цель: Оценить изменения пептидного профиля казеинов β-CN, αs1-CN, αs2-CN и κ-CN при моделировании их гидролиза плазмином и термостабильной бактериальной протеазой Pseudomonas LBSA1.

Материалы и методы: Анализ последовательностей казеинов проводили с использованием базы данных UniProt. Гидролиз моделировали в BIOPEP-UWM (для плазмина) и с помощью регулярных выражений в RStudio (для Pseudomonas LBSA1). Степень гидролиза (DH) рассчитывали на основе количества разорванных пептидных связей в отношении к общему числу возможных связей в белковой молекуле. Для анализа пептидных последовательностей применяли библиотеку “stringr” в RStudio. Горькие и антиоксидантные пептиды выявляли с использованием базы данных BIOPEP-UWM. Данные о молекулярной массе и изоэлектрической точке полученных пептидов извлекали с помощью библиотеки “Peptides” в RStudio.

Результаты: Результаты 2D-диаграмм показали различия в распределении пептидов по молекулярной массе и изоэлектрической точке в зависимости от специфичности ферментов. В комбинированной модели гидролиза идентифицировано 4 горьких пептида и 3 вида горьких аминокислот, а также 6 антиоксидантных пептидов.

Выводы: Биоинформатическое моделирование позволяет прогнозировать ферментативные изменения белков в молочных продуктах, их влияние на качество, а также повышать эффективность проводимых в этом поле экспериментов. Полученные данные могут использоваться для разработки подходов к оценке хранения молочных продуктов и идентификации маркеров качества.

1. Barati, F., Hosseini, F., Vafaee, R., Sabouri, Z., Ghadam, P., Arab, S. S., Shadfar, N., & Piroozmand, F. (2024). In silico approaches to investigate enzyme immobilization: A comprehensive systematic review. Physical Chemistry Chemical Physics, 26(7), 5744–5761. https://doi.org/10.1039/D3CP03989G

2. Baur, C., Krewinkel, M., Kranz, B., Von Neubeck, M., Wenning, M., Scherer, S., Stoeckel, M., Hinrichs, J., Stressler, T., & Fischer, L. (2015). Quantification of the proteolytic and lipolytic activity of microorganisms isolated from raw milk. International Dairy Journal, 49, 23–29. https://doi.org/10.1016/j.idairyj.2015.04.005

3. Chavan, R. S., Chavan, S. R., Khedkar, C. D., & Jana, A. H. (2011). UHT Milk Processing and Effect of Plasmin Activity on Shelf Life: A Review. Comprehensive Reviews in Food Science and Food Safety, 10(5), 251–268. https://doi.org/10.1111/j.1541-4337.2011.00157.x

4. Class, L.-C., Kuhnen, G., Schmid, J., Rohn, S., & Kuballa, J. (2024). Marker Peptides for Indicating the Spoilage of Milk—Sample Preparation and Chemometric Approaches for Yielding Potential Peptides in a Raw Milk Model. Foods, 13(20), 3315. https://doi.org/10.3390/foods13203315

5. Crudden, A., Afoufa-Bastien, D., Fox, P. F., Brisson, G., & Kelly, A. L. (2005). Effect of hydrolysis of casein by plasmin on the heat stability of milk. International Dairy Journal, 15(10), 1017–1025. https://doi.org/10.1016/j.idairyj.2004.11.001

6. Dalabasmaz, S., Dittrich, D., Kellner, I., Drewello, T., & Pischetsrieder, M. (2019). Identification of peptides reflecting the storage of UHT milk by MALDI-TOF-MS peptide profiling. Journal of Proteomics, 207, 103444. https://doi.org/10.1016/j.jprot.2019.103444

7. Dellafiora, L., Galaverna, G., Reverberi, M., & Dall’Asta, C. (2017). Degradation of Aflatoxins by Means of Laccases from Trametes versicolor: An In Silico Insight. Toxins, 9(1), 17. https://doi.org/10.3390/toxins9010017

8. Du, L., Lu, W., Zhang, Y., Gao, B., & Yu, L. (2020). Detection of milk powder in liquid whole milk using hydrolyzed peptide and intact protein mass spectral fingerprints coupled with data fusion technologies. Food Science & Nutrition, 8(3), 1471–1479. https://doi.org/10.1002/fsn3.1430

9. Fan, X., Wang, C., Cheng, M., Wei, H., Gao, X., Ma, M., Wang, X., & Li, Z. (2023). Markers and Mechanisms of Deterioration Reactions in Dairy Products. Food Engineering Reviews, 15(2), 230–241. https://doi.org/10.1007/s12393-023-09331-9

10. Fox, P. F., Uniacke-Lowe, T., McSweeney, P. L. H., & O’Mahony, J. A. (2015). Heat-Induced Changes in Milk. В P. F. Fox, T. Uniacke-Lowe, P. L. H. McSweeney, & J. A. O’Mahony, Dairy Chemistry and Biochemistry (сс. 345–375). Springer International Publishing. https://doi.org/10.1007/978-3-319-14892-2_9

11. France, T. C., O’Mahony, J. A., & Kelly, A. L. (2021). The Plasmin System in Milk and Dairy Products. В A. L. Kelly & L. B. Larsen (Ред.), Agents of Change (сс. 11–55). Springer International Publishing. https://doi.org/10.1007/978-3-030-55482-8_2

12. Gupta, A., Mann, B., Kumar, R., & Sangwan, R. B. (2010). Identification of antioxidant peptides in cheddar cheese made with adjunct culture Lactobacillus casei ssp. casei 300. Milchwissenschaft, 65(4), 396-399.

13. Iram, D., Sansi, M. S., Zanab, S., Vij, S., Ashutosh, & Meena, S. (2022). In silico identification of antidiabetic and hypotensive potential bioactive peptides from the sheep milk proteins—A molecular docking study. Journal of Food Biochemistry, 46(11). https://doi.org/10.1111/jfbc.14137

14. Kartal, C., Kaplan Türköz, B., & Otles, S. (2020). Prediction, identification and evaluation of bioactive peptides from tomato seed proteins using in silico approach. Journal of Food Measurement and Characterization, 14(4), 1865–1883. https://doi.org/10.1007/s11694-020-00434-z

15. Kruchinin, A., & Bolshakova, E. (2022). Hybrid Strategy of Bioinformatics Modeling (in silico): Biologically Active Peptides of Milk Protein. Food Processing: Techniques and Technology, 46–57. https://doi.org/10.21603/2074-9414-2022-1-46-57

16. Kruchinin, A. G., Bolshakova, E. I., & Barkovskaya, I. A. (2023). Bioinformatic Modeling (In Silico) of Obtaining Bioactive Peptides from the Protein Matrix of Various Types of Milk Whey. Fermentation, 9(4), 380. https://doi.org/10.3390/fermentation9040380

17. Lu, M., & Wang, N. S. (2017). Spoilage of Milk and Dairy Products. В The Microbiological Quality of Food (сс. 151–178). Elsevier. https://doi.org/10.1016/B978-0-08-100502-6.00010-8

18. Matéos, A., Guyard-Nicodème, M., Baglinière, F., Jardin, J., Gaucheron, F., Dary, A., Humbert, G., & Gaillard, J.-L. (2015). Proteolysis of milk proteins by AprX, an extracellular protease identified in Pseudomonas LBSA1 isolated from bulk raw milk, and implications for the stability of UHT milk. International Dairy Journal, 49, 78–88. https://doi.org/10.1016/j.idairyj.2015.04.008

19. Meltretter, J., Schmidt, A., Humeny, A., Becker, C.-M., & Pischetsrieder, M. (2008). Analysis of the Peptide Profile of Milk and Its Changes during Thermal Treatment and Storage. Journal of Agricultural and Food Chemistry, 56(9), 2899–2906. https://doi.org/10.1021/jf073479o

20. Minkiewicz, P., Iwaniak, A., & Darewicz, M. (2019). BIOPEP-UWM Database of Bioactive Peptides: Current Opportunities. International Journal of Molecular Sciences, 20(23), 5978. https://doi.org/10.3390/ijms20235978

21. Muir, D. D. (2011). The stability and shelf life of milk and milk products. В Food and Beverage Stability and Shelf Life (сс. 755–778). Elsevier. https://doi.org/10.1533/9780857092540.3.755

22. Nath, A., Eren, B. A., Zinia Zaukuu, J.-L., Koris, A., Pásztorné-Huszár, K., Szerdahelyi, E., & Kovacs, Z. (2022). Detecting the Bitterness of Milk-Protein-Derived Peptides Using an Electronic Tongue. Chemosensors, 10(6), 215. https://doi.org/10.3390/chemosensors10060215

23. Panjaitan, F. C. A., Gomez, H. L. R., & Chang, Y.-W. (2018). In Silico Analysis of Bioactive Peptides Released from Giant Grouper (Epinephelus lanceolatus) Roe Proteins Identified by Proteomics Approach. Molecules, 23(11), 2910. https://doi.org/10.3390/molecules23112910

24. Pooja, K., Rani, S., Kanwate, B., & Pal, G. K. (2017). Physico-chemical, Sensory and Toxicity Characteristics of Dipeptidyl Peptidase-IV Inhibitory Peptides from Rice Bran-derived Globulin Using Computational Approaches. International Journal of Peptide Research and Therapeutics, 23(4), 519–529. https://doi.org/10.1007/s10989-017-9586-4

25. Quintieri, L., Caputo, L., Brasca, M., & Fanelli, F. (2021). Recent Advances in the Mechanisms and Regulation of QS in Dairy Spoilage by Pseudomonas spp. Foods, 10(12), 3088. https://doi.org/10.3390/foods10123088

26. Remenant, B., Jaffrès, E., Dousset, X., Pilet, M.-F., & Zagorec, M. (2015). Bacterial spoilers of food: Behavior, fitness and functional properties. Food Microbiology, 45, 45–53. https://doi.org/10.1016/j.fm.2014.03.009

27. Sedaghati, M., Ezzatpanah, H., Mashhadi Akbar Boojar, M., Tajabadi Ebrahimi, M., & Kobarfard, F. (2016). Isolation and identification of some antibacterial peptides in the plasmin-digest of β-casein. LWT - Food Science and Technology, 68, 217–225. https://doi.org/10.1016/j.lwt.2015.12.019

28. Stuknytė, M., Decimo, M., Colzani, M., Silvetti, T., Brasca, M., Cattaneo, S., Aldini, G., & De Noni, I. (2016). Extracellular thermostable proteolytic activity of the milk spoilage bacterium Pseudomonas fluorescens PS19 on bovine caseins. Journal of Dairy Science, 99(6), 4188–4195. https://doi.org/10.3168/jds.2016-10894

29. Thesbjerg, M. N., Nielsen, S. D.-H., Sundekilde, U. K., Poulsen, N. A., & Larsen, L. B. (2023). Fingerprinting of Proteases, Protease Inhibitors and Indigenous Peptides in Human Milk. Nutrients, 15(19), 4169. https://doi.org/10.3390/nu15194169

30. Van Asselt, A. J., Sweere, A. P. J., Rollema, H. S., & De Jong, P. (2008). Extreme high-temperature treatment of milk with respect to plasmin inactivation. International Dairy Journal, 18(5), 531–538. https://doi.org/10.1016/j.idairyj.2007.11.019

31. Verhegghe, M., De Block, J., Heyndrickx, M., Van Coillie, E., Van Poucke, C., & Duquenne, B. (2021). Application of LC‐HRMS identified marker peptides in an LC‐MS/MS method for detection and quantification of heat‐resistant proteolytic activity in raw milk. International Journal of Dairy Technology, 74(2), 286–296. https://doi.org/10.1111/1471-0307.12754

32. Xiong, Z., He, Y., Guan, W., Lv, X., Chen, J., & Ma, D. (2024). Investigating the impact of common migration substances found in milk packaging on proteases: A multispectral and molecular docking approach. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 318, 124517. https://doi.org/10.1016/j.saa.2024.124517

33. Yan, L., Langlois, B. E., O’Leary, J., & Hicks, C. L. (1985). Purification and Characterization of Four Extracellular Proteases Isolated from Raw Milk Psychrotrophs. Journal of Dairy Science, 68(6), 1323–1336. https://doi.org/10.3168/jds.S0022-0302(85)80968-1

34. Zhang, Y., Aryee, A. N., & Simpson, B. K. (2020). Current role of in silico approaches for food enzymes. Current Opinion in Food Science, 31, 63–70. https://doi.org/10.1016/j.cofs.2019.11.003

35.