LSm

La historia del descubrimiento de las primeras proteínas LSm comienza con una joven, Stephanie Smith, a quien se le diagnosticó lupus eritematoso sistémico (LES) en 1959 , y que finalmente sucumbió a las complicaciones de la enfermedad en 1969 a la edad de 22 años. ^{[ 1 ]} Durante este período, fue tratada en el Hospital Universitario Rockefeller de Nueva York , bajo el cuidado del Dr. Henry Kunkel y el Dr. Eng Tan. Como las personas con una enfermedad autoinmune , los pacientes con LES producen anticuerpos contra antígenos en los núcleos de sus células , con mayor frecuencia contra su propio ADN . Sin embargo, Kunkel y Tan descubrieron en 1966 que Smith producía anticuerpos contra un conjunto de proteínas nucleares, a las que denominaron " antígeno Smith " ( Sm Ag ). ^{[ 2 ]} Alrededor del 30% de los pacientes con LES producen anticuerpos contra estas proteínas, en lugar de contra el ADN de doble cadena. Este descubrimiento mejoró las pruebas de diagnóstico para el LES, pero la naturaleza y la función de este antígeno eran desconocidas.

La investigación continuó durante los años 70 y principios de los 80. Se descubrió que el antígeno Smith era un complejo de moléculas de ácido ribonucleico ( ARN ) y múltiples proteínas. Un conjunto de moléculas de ARN nuclear pequeño ( ARNsn ) ricas en uridina formaba parte de este complejo y se les dieron los nombres U1 , U2 , U4 , U5 y U6 . Se descubrió que cuatro de estos ARNsn (U1, U2, U4 y U5) estaban fuertemente unidos a varias proteínas pequeñas, que se denominaron SmB , SmD, SmE , SmF y SmG en orden decreciente de tamaño. SmB tiene una variante de empalme alternativo, SmB' , y una proteína muy similar, SmN , reemplaza a SmB'/B en ciertos tejidos (principalmente neuronales). Posteriormente se descubrió que SmD era una mezcla de tres proteínas, que se denominaron SmD1 , SmD2 y SmD3 . Estas nueve proteínas (SmB, SmB', SmN, SmD1, SmD2, SmD3, SmE, SmF y SmG) se conocieron como las proteínas centrales Sm , o simplemente proteínas Sm . Los snRNA se complejan con las proteínas centrales Sm y con otras proteínas para formar partículas en el núcleo celular llamadas ribonucleoproteínas nucleares pequeñas , o snRNP . A mediados de la década de 1980, quedó claro que estas snRNP ayudan a formar un gran complejo ( peso molecular de 4,8 MD ), llamado espliceosoma , alrededor del pre-ARNm , escindiendo porciones del pre-ARNm llamadas intrones y empalmando las porciones codificantes ( exones ) juntas. ^{[ 3 ]} Después de algunas modificaciones más, el pre-ARNm empalmado se convierte en ARN mensajero (ARNm) que luego se exporta del núcleo y se traduce en una proteína por los ribosomas . 

El snRNA U6 (a diferencia de U1, U2, U4 y U5) no se asocia con las proteínas Sm, aunque el snRNP U6 es un componente central en el espliceosoma . En 1999 se encontró un heterómero proteico que se une específicamente a U6 y constaba de siete proteínas claramente homólogas a las proteínas Sm. Estas proteínas se denominaron proteínas LSm (similares a Sm) ( LSm1 , LSm2 , LSm3 , LSm4 , LSm5 , LSm6 y LSm7 ), y la proteína LSm8 similar se identificó más tarde. En la bacteria Escherichia coli , la proteína HF-I similar a Sm codificada por el gen hfq se describió en 1968 como un factor huésped esencial para la replicación del bacteriófago de ARN Qβ . El genoma de Saccharomyces cerevisiae (levadura de panadería) fue secuenciado a mediados de la década de 1990, proporcionando un valioso recurso para identificar homólogos de estas proteínas humanas. Posteriormente, a medida que se secuenciaron más genomas eucariotas , quedó claro que los eucariotas, en general, comparten homólogos del mismo conjunto de siete proteínas Sm y ocho proteínas LSm. ^{[ 4 ]} Poco después, se encontraron proteínas homólogas a estas proteínas LSm eucariotas en arqueas ( Sm1 y Sm2 ) y bacterias ( homólogos de Hfq y YlxS ). ^{[ 5 ]} Las proteínas LSm de las arqueas son más similares a las proteínas LSm eucariotas que cualquiera de ellas a las proteínas LSm bacterianas. Las proteínas LSm descritas hasta ahora eran proteínas bastante pequeñas, que variaban de 76 aminoácidos ( peso molecular de 8,7 kD ) para la SmG humana a 231 aminoácidos ( peso molecular de 29 kD) para la SmB humana. Pero recientemente se han descubierto proteínas más grandes que incluyen un dominio estructural LSm además de otros dominios estructurales de proteínas (como LSm10 , LSm11 , LSm12 , LSm13 , LSm14 , LSm15 , LSm16 , ataxina-2 , así como Sm3 arqueal ).  

Alrededor de 1995, las comparaciones entre los diversos homólogos de LSm identificaron dos motivos de secuencia , de 32 ácidos nucleicos de longitud (14 aminoácidos), que eran muy similares en cada homólogo de LSm y estaban separados por una región no conservada de longitud variable. Esto indicó la importancia de estos dos motivos de secuencia (denominados Sm1 y Sm2 ) y sugirió que todos los genes de la proteína LSm evolucionaron a partir de un único gen ancestral. ^{[ 6 ]} En 1999, se prepararon cristales de proteínas Sm recombinantes , lo que permitió la cristalografía de rayos X y la determinación de su estructura atómica en tres dimensiones. ^{[ 7 ]} Esto demostró que las proteínas LSm comparten un plegamiento tridimensional similar de una hélice alfa corta y una lámina beta plegada de cinco hebras , posteriormente denominada plegamiento LSm . Otras investigaciones encontraron que las proteínas LSm se ensamblan en un toroide (anillo en forma de rosquilla) de seis o siete proteínas LSm, y que el ARN se une al interior del toroide, con un nucleótido unido a cada proteína LSm.

La estructura secundaria de una proteína LSm es una pequeña lámina beta antiparalela de cinco hebras , identificadas desde el extremo N-terminal hasta el extremo C-terminal como β1, β2, β3, β4 y β5. La clase SCOP de proteínas beta y la clase CATH de proteínas principalmente beta se definen como estructuras proteicas que son principalmente láminas beta, incluyendo así a LSm. El motivo de secuencia SM1 corresponde a las hebras β1, β2 y β3, y el motivo de secuencia SM2 corresponde a las hebras β4 y β5. Las primeras cuatro hebras beta son adyacentes entre sí, pero β5 es adyacente a β1, lo que convierte la estructura general en un barril corto. Esta topología estructural se describe como 51234. Una hélice alfa N-terminal corta (de dos a cuatro vueltas) también está presente en la mayoría de las proteínas LSm. Las hebras β3 y β4 son cortas en algunas proteínas LSm y están separadas por una espiral no estructurada de longitud variable. Las hebras β2, β3 y β4 están fuertemente dobladas alrededor de 120° grados en sus puntos medios. Las curvaturas en estas hebras suelen ser de glicina , y las cadenas laterales internas al barril beta suelen ser los residuos hidrofóbicos valina , leucina , isoleucina y metionina .

SCOP simplemente clasifica la estructura LSm como el pliegue tipo Sm , uno de los 149 pliegues diferentes de proteína beta, sin agrupaciones intermedias. La lámina beta de LSm está marcadamente doblada y se describe como una arquitectura de rollo en CATH (una de las 20 arquitecturas diferentes de proteína beta en CATH). Una de las hebras beta (β5 en LSm) cruza el borde abierto del rollo para formar una pequeña topología de barril tipo SH3 (una de las 33 topologías de rollo beta en CATH). CATH enumera 23 superfamilias homólogas con una topología de barril tipo SH3, una de las cuales es la estructura LSm ( proteína de unión a ARN en el sistema CATH). SCOP continúa su clasificación estructural después del Pliegue a Superfamilia, Familia y Dominio, mientras que CATH continúa a Familia de Secuencia, pero estas divisiones se describen de manera más apropiada en la sección "Evolución y filogenia".

La estructura terciaria de barril tipo SH3 del pliegue LSm está formada por las hebras β2, β3 y β4 fuertemente curvadas (aproximadamente 120°), con la estructura de barril cerrada por la hebra β5. Haciendo hincapié en la estructura terciaria, cada hebra beta curvada puede describirse como dos hebras beta más cortas. El pliegue LSm puede verse como un sándwich beta antiparalelo de ocho hebras , con cinco hebras en un plano y tres hebras en un plano paralelo con un ángulo de inclinación de aproximadamente 45° entre las dos mitades del sándwich beta. La hélice alfa N-terminal corta (de dos a cuatro vueltas) se encuentra en un borde del sándwich beta. Esta hélice alfa y las hebras beta se pueden etiquetar (desde el extremo N al extremo C ) como α, β1, β2a, β2b, β3a, β3b, β4a, β4b, β5, donde a y b se refieren a las dos mitades de una hebra curvada en la descripción de cinco hebras, o a las hebras individuales en la descripción de ocho hebras. Cada hebra (en la descripción de ocho hebras) está formada por cinco residuos de aminoácidos . Incluyendo las curvaturas y los bucles entre las hebras, y la hélice alfa, aproximadamente 60 residuos de aminoácidos contribuyen al plegamiento LSm, pero esto varía entre homólogos debido a la variación en los bucles entre hebras, la hélice alfa e incluso las longitudes de las hebras β3b y β4a.

Las proteínas LSm se ensamblan típicamente en un anillo LSm , un toroide de seis o siete miembros , de aproximadamente 7 nanómetros de diámetro con un orificio de 2 nanómetros. La condición ancestral es un homohexámero u homoheptámero de subunidades LSm idénticas. Las proteínas LSm en eucariotas forman heteroheptámeros de siete subunidades LSm diferentes, como las proteínas Sm. La unión entre las proteínas LSm se comprende mejor con la descripción de ocho hebras del plegamiento LSm. La mitad de cinco hebras del sándwich beta de una subunidad se alinea con la mitad de tres hebras del sándwich beta de la subunidad adyacente, formando una lámina beta retorcida de 8 hebras Aβ4a/Aβ3b/Aβ2a/Aβ1/Aβ5/Bβ4b/Bβ3a/Bβ2b, donde A y B se refieren a las dos subunidades diferentes. Además de los enlaces de hidrógeno entre las hebras beta Aβ5 y Bβ4b de las dos subunidades de la proteína LSm, existen contactos energéticamente favorables entre las cadenas laterales de aminoácidos hidrofóbicos en el interior del área de contacto, y contactos energéticamente favorables entre las cadenas laterales de aminoácidos hidrofílicos alrededor de la periferia del área de contacto.  

Los anillos LSm forman complejos de ribonucleoproteínas con oligonucleótidos de ARN que varían en su fuerza de unión, desde complejos muy estables (como las snRNP de clase Sm) hasta complejos transitorios. Los oligonucleótidos de ARN generalmente se unen dentro del orificio (lumen) del toro LSm, un nucleótido por subunidad LSm, pero se han descrito sitios de unión de nucleótidos adicionales en la parte superior ( lado de la hélice α ) del anillo. La naturaleza química exacta de esta unión varía, pero los motivos comunes incluyen el apilamiento de la base heterocíclica (a menudo uracilo ) entre las cadenas laterales planas de dos aminoácidos, enlaces de hidrógeno con la base heterocíclica y/o la ribosa , y puentes salinos con el grupo fosfato .

El anillo Sm se encuentra en el núcleo de todos los eucariotas (aproximadamente 2,5 millones de copias por célula humana en proliferación) y tiene las funciones mejor comprendidas. El anillo Sm es un heteroheptámero . La molécula de snRNA de clase Sm (en dirección 5' a 3') entra en el lumen (agujero de rosquilla) en la subunidad SmE y procede secuencialmente en sentido horario (mirando desde el lado de la hélice α) dentro del lumen (agujero de rosquilla) hacia las subunidades SmG, SmD3, SmB, SmD1, SmD2, saliendo por la subunidad SmF. ^{[ 10 ]} (SmB puede ser reemplazada por la variante de empalme SmB' y por SmN en los tejidos neurales). El anillo Sm se une permanentemente a los snRNA U1, U2, U4 y U5 que forman cuatro de los cinco snRNP que constituyen el espliceosoma principal . El anillo Sm también se une permanentemente a los snRNA U11 , U12 y U4atac , que forman cuatro de los cinco snRNP (incluido el snRNP U5) que constituyen el espliceosoma menor . Ambos espliceosomas son complejos centrales de procesamiento de ARN en la maduración del ARN mensajero a partir del pre-ARNm . También se ha informado que las proteínas Sm forman parte del componente de ribonucleoproteína de la telomerasa . ^{[ 11 ]}

Las dos snRNP Lsm2-8 (U6 y U6atac ) desempeñan una función catalítica clave en los espliceosomas mayor y menor. Estas snRNP no incluyen el anillo Sm, sino que utilizan el anillo heteroheptamérico Lsm2-8 . Los anillos LSm son aproximadamente 20 veces menos abundantes que los anillos Sm. Se desconoce el orden de estas siete proteínas LSm en este anillo, pero basándose en la homología de la secuencia de aminoácidos con las proteínas Sm, se especula que el snRNA (en dirección 5' a 3') podría unirse primero a LSm5 y, en sentido horario, continuar hacia LSm7, LSm4, LSm8, LSm2, LSm3 y salir por la subunidad LSm6. Los experimentos con mutaciones de Saccharomyces cerevisiae (levadura de gemación) sugieren que el anillo Lsm2-8 ayuda a la reasociación de las snRNP U4 y U6 en la di-snRNP U4/U6 . ^{[ 12 ]} (Después de completar la deleción del exón y el empalme del intrón, estas dos snRNP deben reasociarse para que el espliceosoma inicie otro ciclo de empalme de exón/intrón. En esta función, el anillo Lsm2-8 actúa como una chaperona de ARN en lugar de un andamio de ARN). El anillo Lsm2-8 también forma una snRNP con el ARN nucleolar pequeño U8 (snoRNA) que se localiza en el nucléolo . Este complejo de ribonucleoproteína es necesario para procesar el ARN ribosómico y el ARN de transferencia a sus formas maduras. ^{[ 13 ]} Se informa que el anillo Lsm2-8 tiene un papel en el procesamiento del ARN pre-P en ARN RNasa P. A diferencia del anillo Sm, el anillo Lsm2-8 no se une permanentemente a su snRNA y snoRNA.

Existe un segundo tipo de anillo Sm donde LSm10 reemplaza a SmD1 y LSm11 reemplaza a SmD2. LSm11 es una proteína de dos dominios, siendo el dominio C-terminal un dominio LSm. Este anillo heteroheptamérico se une al ARNsn U7 en la ribonucleoproteína sn U7 (U7 snRNP) . La U7 snRNP media el procesamiento del bucle del tallo 3' UTR del ARNm de histonas en el núcleo. ^{[ 14 ]} Al igual que el anillo Sm, se ensambla en el citoplasma sobre el ARNsn U7 mediante un complejo SMN especializado.

Un segundo tipo de anillo Lsm es el anillo Lsm1-7 , que tiene la misma estructura que el anillo Lsm2-8, excepto que LSm1 reemplaza a LSm8. A diferencia del anillo Lsm2-8, el anillo Lsm1-7 se localiza en el citoplasma , donde participa en la degradación del ARN mensajero en complejos de ribonucleoproteínas . Este proceso controla el recambio del ARN mensajero, de modo que la traducción ribosómica del ARNm a proteína responde rápidamente a los cambios en la transcripción del ADN a ARN mensajero por parte de la célula. Se ha demostrado que LSM1-7, junto con Pat1 , desempeña un papel en la formación de cuerpos P después de la desadenilación. ^{[ 15 ]}

El complejo SMN (descrito en "Biogénesis de snRNP") está compuesto por la proteína SMN y Gemin2-8 . Se ha descubierto que dos de estas, Gemin6 y Gemin7, tienen la estructura LSm y forman un heterodímero. Estas podrían tener una función de chaperona en el complejo SMN para ayudar a la formación del anillo Sm en los snRNA de clase Sm . ^{[ 16 ]} El complejo PRMT5 está compuesto por PRMT5 , pICln y WD45 (Mep50) . pICln ayuda a formar el anillo Sm abierto en el complejo SMN. El complejo SMN ayuda en el ensamblaje de snRNP donde el anillo Sm está en conformación abierta en el complejo SMN y este anillo Sm es cargado en el snRNA por el complejo SMN. ^{[ 17 ]}

Las proteínas LSm12-16 se han descrito muy recientemente. Son proteínas de dos dominios con un dominio LSm N-terminal y un dominio metiltransferasa C-terminal . ^{[ 18 ]} Se sabe muy poco sobre la función de estas proteínas, pero presumiblemente son miembros de anillos de dominio LSm que interactúan con el ARN. Hay cierta evidencia de que LSm12 posiblemente esté involucrado en la degradación del ARNm y LSm13-16 puede tener funciones en la regulación de la mitosis . Inesperadamente, LSm12 fue recientemente implicado en la señalización de calcio al actuar como proteína de unión intermedia para el segundo mensajero nucleotídico, NAADP ( ácido nicotínico adenina dinucleótido fosfato ) que activa los canales de Ca ²⁺ endolisosomales TPC ( canales de dos poros ). ^{[ 19 ]} Esto ocurrió por la unión de NAADP al dominio LSm, no al dominio AD. ^{[ 19 ]} Una proteína grande de función desconocida, la ataxina-2 , asociada con la enfermedad neurodegenerativa ataxia espinocerebelosa tipo 2 , también tiene un dominio LSm N-terminal.

Dos proteínas LSm se encuentran en un segundo dominio de la vida, las arqueas . Estas son las proteínas Sm1 y Sm2 (que no deben confundirse con los motivos de secuencia Sm1 y Sm2 ), y a veces se identifican como proteínas arqueales tipo Sm , SmAP1 y SmAP2 por esta razón. ^{[ 20 ]} Sm1 y Sm2 generalmente forman anillos homoheptaméricos , aunque se han observado anillos homohexaméricos. Los anillos Sm1 son similares a los anillos Lsm eucariotas en que se forman en ausencia de ARN, mientras que los anillos Sm2 son similares a los anillos Sm eucariotas en que requieren ARN rico en uridina para su formación. Se ha informado que se asocian con el ARN de la RNasa P , lo que sugiere un papel en el procesamiento del ARN de transferencia , pero su función en las arqueas en este proceso (y posiblemente en el procesamiento de otro ARN como el ARN ribosómico ) es en su mayor parte desconocida. Las crenarqueotas , una de las dos ramas principales de las arqueas, poseen un tercer tipo conocido de proteína LSm arqueal, denominada Sm3 . Se trata de una proteína de dos dominios, con un dominio LSm N-terminal que forma un anillo homoheptamérico . Se desconoce la función de esta proteína LSm, pero presumiblemente interactúa con el ARN y probablemente participa en su procesamiento en estos organismos.

Se han descrito varias proteínas LSm en el tercer dominio de la vida, las bacterias . La proteína Hfq forma anillos homohexaméricos y se descubrió originalmente como necesaria para la infección por el bacteriófago Qβ , aunque esta no es claramente la función nativa de esta proteína en las bacterias. No está presente universalmente en todas las bacterias, pero se ha encontrado en Pseudomonadota , Bacillota , Spirochaetota , Thermotogota , Aquificota y una especie de Archaea . (Este último caso probablemente sea un caso de transferencia horizontal de genes ). Hfq es pleiotrópica con una variedad de interacciones, generalmente asociadas con la regulación de la traducción . Estas incluyen el bloqueo de la unión del ribosoma al ARNm , la marcación del ARNm para su degradación mediante la unión a sus colas de poli-A y la asociación con pequeños ARN reguladores bacterianos (como el ARN DsrA) que controlan la traducción mediante la unión a ciertos ARNm. ^{[ 21 ] [ 22 ]} Una segunda proteína LSm bacteriana es YlxS (a veces también llamada YhbC), que se identificó por primera vez en la bacteria del suelo Bacillus subtilis . Esta es una proteína de dos dominios con un dominio LSm N-terminal . Se desconoce su función, pero se han encontrado homólogos de secuencia de aminoácidos en prácticamente todos los genomas bacterianos hasta la fecha, y puede ser una proteína esencial. ^{[ 23 ]} El dominio medio del canal mecanosensible de conductancia pequeña MscS en Escherichia coli forma un anillo homoheptamérico. ^{[ 24 ]} Este dominio LSm no tiene una función aparente de unión al ARN, pero el toro homoheptamérico es parte del canal central de esta proteína de membrana.

Según su estructura, las proteínas LSm conocidas se dividen en un grupo formado por las proteínas LSm bacterianas (Hfq, YlxS y MscS) y un segundo grupo con todas las demás proteínas LSm, de acuerdo con los árboles filogenéticos publicados más recientemente . ^{[ 26 ]} Las tres proteínas LSm arqueanas (Sm1, Sm2 y Sm3) también se agrupan, de forma distinta a las proteínas LSm eucariotas. Tanto las proteínas LSm bacterianas como las arqueanas se polimerizan en anillos homoméricos, que es la condición ancestral.

Una serie de duplicaciones genéticas de un único gen LSm eucariota dio como resultado la mayoría (si no todos) de los genes LSm eucariotas conocidos. Cada una de las siete proteínas Sm tiene mayor homología de secuencia de aminoácidos con una proteína Lsm correspondiente que con las otras proteínas Sm. Esto sugiere que un gen LSm ancestral se duplicó varias veces, dando como resultado siete parálogos . Estos posteriormente divergieron entre sí de modo que el anillo LSm homoheptamérico ancestral se convirtió en un anillo heteroheptamérico. Con base en las funciones conocidas de las proteínas LSm en eucariotas y arqueas, la función ancestral puede haber sido el procesamiento de ARN prerribosómico , ARN de transferencia previo y ARNasa P previa . Luego, según esta hipótesis, los siete genes LSm eucariotas ancestrales se duplicaron nuevamente en siete pares de parálogos Sm/LSm; LSm1/SmB, LSm2/SmD1, LSm3/SmD2, LSm4/SmD3, LSm5/SmE, LSm6/SmF y LSm7/SmG. Estos dos grupos de siete genes LSm (y los correspondientes dos tipos de anillos LSm) evolucionaron a un anillo Sm (que requiere ARN) y un anillo Lsm (que se forma sin ARN). El par de parálogos LSm1/LSm8 también parece haberse originado antes del último ancestro común eucariota, para un total de al menos 15 genes de proteínas LSm. El par de parálogos SmD1/LSm10 y SmD2/LSm11 existen únicamente en animales , hongos y amebozoos (a veces identificados como el clado unikonte ) y parecen estar ausentes en el clado bikonto ( cromalveolados , excavados , plantas y rizarios ). Por lo tanto, estas dos duplicaciones génicas son anteriores a esta división fundamental en el linaje eucariota. El par de parálogos SmB/SmN se observa solo en los mamíferos placentarios , lo que permite datar esta duplicación del gen LSm.