Differential distribution of amino acids in plants

Abstract

Plants are a rich source of amino acids and their individual abundance in plants is of great significance especially in terms of food. Therefore, it is of utmost necessity to create a database of the relative amino acid contents in plants as reported in literature. Since in most of the cases complete analysis of profiles of amino acids in plants was not reported, the units used and the methods applied and the plant parts used were different, amino acid contents were converted into relative units with respect to lysine for statistical analysis. The most abundant amino acids in plants are glutamic acid and aspartic acid. Pearson's correlation analysis among different amino acids showed that there were no negative correlations between the amino acids. Cluster analysis (CA) applied to relative amino acid contents of different families. Alismataceae, Cyperaceae, Capparaceae and Cactaceae families had close proximity with each other on the basis of their relative amino acid contents. First three components of principal component analysis (PCA) explained 79.5% of the total variance. Factor analysis (FA) explained four main underlying factors for amino acid analysis. Factor-1 accounted for 29.4% of the total variance and had maximum loadings on glycine, isoleucine, leucine, threonine and valine. Factor-2 explained 25.8% of the total variance and had maximum loadings on alanine, aspartic acid, serine and tyrosine. 14.2% of the total variance was explained by factor-3 and had maximum loadings on arginine and histidine. Factor-4 accounted 8.3% of the total variance and had maximum loading on the proline amino acid. The relative content of different amino acids presented in this paper is alanine (1.4), arginine (1.8), asparagine (0.7), aspartic acid (2.4), cysteine (0.5), glutamic acid (2.8), glutamine (0.6), glycine (1.0), histidine (0.5), isoleucine (0.9), leucine (1.7), lysine (1.0), methionine (0.4), phenylalanine (0.9), proline (1.1), serine (1.0), threonine (1.0), tryptophan (0.3), tyrosine (0.7) and valine (1.2).

Miner´ıa de patrones frecuentes para la comprobaci´on de las reglas de Susumu Ohno y su uso en la identificaci´on de evoluci´on de organismos biol´ogicos Resumen

“…Al realizar el proceso de traducción de ARN a aminoácidos por medio del código genético, todas las combinaciones del dímero CG (CGA, CGC, CGG, CGT), al realizar su replicación hacia ARN (CGA, CGC, CGG y CGU) y su respectiva traducción a aminoácidos, se produce en todos los casos Arginina, mientras que en las combinaciones respectivas para el dímero CT (CTA,CTC, CTG, CTT), su trascripción a ARN (CUA, CUC, CUG y CUU) produce Leucina en todas las combinaciones. Una vez que se obtuvieron los aminoacidos resultantes sobre los dímeros que no cumplen con una regla particular de Ohno, se contrastó con un estudio realizado por Kumar et al (2017) el cual reporta el contenido relativo de los 21 aminoácidos que se pueden obtener de acuerdo al código genético en diversos tipos de organismos de plantas, incluyendo al organismo Cactaceae, este contenido se puede observar en la Tabla 3.…”

“…De acuerdo con el estudio de Kumar et al (2017), al realizar una distribución de aminoácidos en esta familia de plantas, se observa que el porcentaje de arginina (1.8) es mayor que el porcentaje de leucina (1.7), lo cual coincide con la regla de Susumu Ohno que no se cumple para este organismo, es decir, la deficiencia de CG (arginina traducido en aminoácidos) se compensa con el exceso de CT (leucina en amionácidos). Esto coincide con el análisis realizado en este trabajo, en donde se presenta la validación de diferentes organismos con las reglas de Susumu Ohno.…”

“…El uso de la Minería de Patrones Frecuentes (Frequent Pattern Mining por su traducción al inglés) ha sido ampliamente estudiado en la literatura debido a sus numerosas aplicaciones en una amplia variedad de problemas de minería de datos, como la Minería de Patrones Secuenciales (Aggarwal y Han, 2014). Estaárea tiene múltiples aplicaciones en diversos entornos como datos espacio temporales, detección de errores en software y datos biológicos (Kumar et al, 2017;Medeiros et al, 2016;Mutakabbir et al, 2014).…”

Universal and taxon-specific trends in protein sequences as a function of age

“…After cysteine, the two amino acids that are most enriched in young plant pfams are glutamic acid and aspartic acid, E and D. These are the most abundant amino acids in plants as a whole (Kumar et al 2017), and may therefore also be enriched in young plant domains due to their high availability.…”

24-Epibrassinolide Restores the Synthesis of Proteins and Amino Acids in Brassica juncea L. Leaves Under Imidacloprid Stress

“…Amino acids are the building blocks of proteins and precursors for the regulation of genes responsible for the biosynthesis of secondary metabolites (García & Pé-rez-Urria Carril 2009;Cuin & Shabala 2007;Wu 2009;Kumar et al 2017). B. juncea L. is attacked by various pests like aphids, cut worms, leaf hoppers, and so on, which are generally controlled by pesticides (Rabbinge & Oijen 1997), with imidacloprid (IMI) being the most effective pesticide against the above pests (Ko et al 2014).…”