STD和WaterLOGSY探测蛋白质与配体相互作用的研究进展

蛋白质-配体相互作用对于理解关键生物学过程至关重要,目前已采用多种分析方法对其进行研究.其中,核磁共振(Nuclear magnetic resonance, NMR)波谱法是在原子水平上筛选蛋白质配体和表征蛋白质-配体结合的常用方法.本文介绍了两种基于配体的NMR方法——饱和转移差(Saturation transfer differential, STD)和梯度光谱监测水配体(Water ligand observed via gradient spectroscopy, WaterLOGSY),因不受蛋白质构象的影响并且不需要靶标同位素标记,基于配体的NMR在研究蛋白质-配体相互作用领域具有广泛的应用.本文主要综述了它们的原理、在筛选配体和表征相互作用中的应用以及相关局限性.

蛋白质与配体相互作用机制研究方法进展

蛋白质与配体间的相互作用在医药、食品领域中意义重大,综述了光谱法、等温滴定量热法和分子对接在讨论溶液中的蛋白质与配体作用机制中的应用,其中光谱法可以推测蛋白质与配体间弱相互作用和蛋白质的构型变化,等温滴定量热法能够分析蛋白质和配体间的结合常数和结合位点数以及热力学参数,分子对接对于上述两种方法起到了补充和佐证的作用。这些方法为后续进一步考察蛋白质与小分子之间结合作用提供了多种方法支持。

酚酸与蛋白质和碳水化合物相互作用及对面包面团的影响研究进展

近年来,研究人员常利用食品各组分之间的相互作用调节其感官性状和功能特性。酚酸、蛋白质和碳水化合物三者在面食制品中广泛存在并发挥着重要作用。目前为止,研究主要集中在酚酸-蛋白质和酚酸-碳水化合物的相互作用,以及二者相互作用在食品加工、机体保健等方面的应用。酚酸、蛋白质、碳水化合物所构成的三元体系中伴随着复杂的相互作用,这些相互作用能够赋予面食制品不同的感官性状和功能特性。本文主要介绍了酚酸、蛋白质和碳水化合物三者间的相互作用及其影响面包面团感官特性和功能特性等的研究进展,以期为酚酸、蛋白质和碳水化合物组成的三元体系在面食制品中的应用提供理论指导。

基于光谱技术的多糖与蛋白质相互作用研究

为揭示大分子拥挤剂葡聚糖-70(dextran-70)对蛋白质构象和微环境的影响,利用紫外光谱、荧光光谱、同步荧光、荧光量子产率及微流变等技术手段,研究葡聚糖-70添加后溶菌酶(Lys)、牛血清白蛋白(BSA)、β-乳球蛋白(BLG)微观构象的变化。结果表明,添加葡聚糖-70会改变蛋白,尤其是BLG蛋白的三级结构;葡聚糖-70引起蛋白质氨基酸微环境的变化,使蛋白质更趋向于疏水环境;荧光光谱显示,葡聚糖-70会导致蛋白质内源性荧光的猝灭,同时色氨酸和酪氨酸残基移向更加疏水的环境;葡聚糖-70对蛋白质量子产率的影响较小,对Lys的影响更为明显;微流变结果显示,随着葡聚糖-70浓度的增加,混合体系的复数模量和复数粘度增加、蛋白质分子运动速度减慢,可能是蛋白质与葡聚糖-70之间的相互作用所致。本研究结果可为蛋白质和多糖类食品体系的结构设计提供技术支持。

非变性质谱和紫外激光解离在蛋白质结构和相互作用分析中的应用

蛋白质结构及相互作用的动态变化与其生物学功能密切相关,对蛋白质结构及相互作用进行精准探测和分析面临着巨大挑战。非变性质谱(nMS)是一种能够在近生理条件下将蛋白质及其复合物通过电喷雾离子化引入气相离子并进行质谱分析的方法。通过直接测定溶液中蛋白质及其复合物的组成或整合多种质谱解离技术,nMS可获取蛋白质及其复合物的计量关系、组装形式、解离常数、构象变化、结合界面及作用位点等关键信息,以揭示蛋白质相互作用与生物学功能之间的关系。紫外激光解离(UVPD)技术,特别是采用了193 nm准分子激光的UVPD是近年来迅速发展起来的质谱解离技术,其可以高效解离非变性蛋白质骨架,并保留碎片离子中的氢键等非共价相互作用力,从而实现单氨基酸位点分辨的蛋白质动态结构和相互作用质谱解析。本综述主要介绍了nMS和UVPD技术在蛋白质动态结构和相互作用分析中的应用和最新进展,包括由位点突变及配体结合等引起的蛋白质动态结构和相互作用变化,最后对蛋白质nMS表征的未来发展方向做出了展望。

基于注意力机制的蛋白质残基相互作用预测方法

蛋白质残基相互作用预测对于构建蛋白质三级结构具有重要作用,许多基于深度学习的预测方法陆续提出。残基对的相互作用不仅由残基对本身属性决定,还受到所有其他残基对的影响,但多数深度模型采用的卷积神经网络更关注对局部特征的提取,而忽略了残基对相互作用的全局因素。针对该问题,提出一种基于注意力机制的预测模型,能够兼顾残基对的局部属性以及全局属性。实验结果表明,该模型与其他方法相比具有一定优势。

睾丸酮丛毛单胞菌激素降解关键酶3,17β-HSD蛋白质相互作用研究

为研究睾丸酮丛毛单胞菌(Comamonas Testosteroni,C.T.)ATCC11996降解甾体类激素过程中关键蛋白质的相互作用关系,本文利用基因同源重组及移码突变原理构建睾丸酮降解关键酶3,17β-HSD基因敲除突变株,在回收率95%条件下高效液相检测野生株与突变株睾丸酮降解率,突变株对睾丸酮降解能力明显低于野生株;原核表达3,17β-HSD获得浓度2.4 mg/mL纯化蛋白,制备特异性鼠源多克隆抗体,ELISA检测抗体效价1∶320000;将多克隆抗体与经睾丸酮诱导的野生型C.T.细胞裂解液蛋白质复合物进行免疫共沉淀,质谱测定蛋白质相互作用组,结果表明短链脱氢酶SDRy(WP_003078287.1)为睾丸酮降解过程中关键酶3,17β-HSD的主要相互作用蛋白。

基于Transformer的蛋白质相互作用预测研究

研究蛋白质相互作用(PPIs)在生物学中具有非常重要的意义,蛋白质相互作用及其相互作用类型的研究对于理解正常和疾病状态下的细胞生物学过程至关重要,从而有助于治疗靶点的识别和新药物的设计。针对传统蛋白质相互作用预测模型预测精度不够高的问题,提出了一种基于Transformer的模型TPPI对蛋白质进行相互作用的预测。五倍交叉验证实验结果表明,该模型在人类蛋白质数据集上预测的准确率为0.944,表现出了较好的预测准确性。

核酸条形码技术:扩展蛋白质-蛋白质相互作用检测通量的新方法

蛋白质-蛋白质相互作用(protein-protein interaction,PPI)几乎参与了机体内所有重要的生物学过程,在细胞的基本生命过程中扮演了至关重要的角色,开发高通量的PPI检测新方法具有重要的生物学意义。目前,下一代测序技术(next-generation sequencing,NGS)发展快速,能在几天内测定超过10亿个模板的DNA序列。由于并行DNA测序技术所特有的敏感性、特异性、高通量和多路复用优势,其已被用作广谱分子计数器,应用于基因组测序和转录物组测序等领域。核酸条形码技术通过将寡核苷酸标签与目标蛋白质连接起来,从而标记编码蛋白质。之后,利用高通量的测序方法检测相互作用的蛋白质,实现了PPI的高通量检测。这一技术推动了PPI检测方法的飞速发展,提升了单次实验检测的通量,为构建PPI网络提供了强有力的技术支持。本文详细阐述了核酸条形码在PPI检测方法中的设计、生成和读取;通过分析核酸条形码技术在PPI研究中的应用范例,探讨了各自的优势和不足,并评估了数据的可靠性,讨论了基于核酸条形码技术的PPI检测方法未来的发展趋势。

邻近标记技术在蛋白质-蛋白质相互作用中的研究进展

蛋白邻近标记(proximity labeling,PL)技术是指通过融合特定的催化酶,实现对目标蛋白相互作用蛋白的原位标记,再采用质谱或测序分析鉴定标记蛋白。该技术能够在瞬时动态条件下精确识别蛋白质相互作用,是传统分析手段的重要补充,在蛋白质相互作用研究中具有广阔应用前景。本文介绍了各类PL酶的工作原理、分类及优缺点;论述了该技术在研究蛋白质与蛋白质相互作用中的应用;讨论了PL技术的优势、目前存在的问题和发展趋势,以期为该技术的应用提供参考。

花色苷与蛋白质相互作用的研究进展

花色苷作为一种功能活性物质备受关注,但因稳定性差、生物利用率低限制了其应用。蛋白质作为人体必需的三大营养素之一,具有较好的生物相容性和生物可降解性,常用于食品加工中,但其功能性质有待改善。食品组分中的蛋白质与花色苷通常是共存的成分,很容易发生相互作用,作用方式包括非共价和共价作用,其中非共价作用方式最为普遍,包括氢键、疏水相互作用、静电相互作用、范德华力。本文总结了花色苷-蛋白质相互作用的研究进展,包括蛋白质对花色苷稳定性和生物利用率的影响、花色苷对蛋白质功能性质的影响,以及复合物功能产品的应用现状,以期为花色苷与蛋白质在食品深加工中的应用提供理论参考。

基于蛋白质结构和理化性质的鱼糜蛋白-油脂相互作用

通过添加不同质量分数大豆油和猪油,研究油脂对金鲳鱼鱼糜凝胶理化性质和蛋白结构的影响。在油脂质量分数范围内(0%~20%),8%的猪油与大豆油使鱼糜白度、持水性、凝胶强度、储能模量(G’)和感官评价显著增加。而油脂质量分数高于8%后,鱼糜凝胶强度、持水性、G’等指标下降。与大豆油相比,含有猪油的鱼糜凝胶(8%)的指标更优。扫描电子显微镜结果显示,油脂不仅以颗粒填充的方式占据蛋白间的空隙,还在表面形成界面蛋白膜,通过蛋白丝与蛋白基质结合。研究表明油脂在鱼糜凝胶中所产生的作用是由油脂-界面蛋白膜-蛋白质共同作用而形成。拉曼光谱图谱表明,添加油脂会使蛋白质α-螺旋相对含量下降,β-折叠相对含量先上升后下降。而大豆油的加入,使得鱼糜凝胶的无规卷曲相对含量也明显增加,而猪油处理组中无规卷曲相对含量变化不如大豆油组。大豆油和猪油的添加均导致鱼糜凝胶的蛋白侧链疏水基团暴露。这些结果表明油脂的存在会改变鱼糜蛋白的微环境和分子结构,进而影响鱼糜凝胶的理化性质。当猪油质量分数为8%时,鱼糜凝胶表现出更优的性质。

蛋白质与蛋白质相互作用预测模型综述

蛋白质作为生命活动的物质基础,通过彼此之间的相互作用来参与生物信号传递、能量和物质代谢及细胞周期调控等,因此,预测蛋白质与蛋白质相互作用(PPIs)有助于从系统角度理解生命过程,同时为细胞机制的研究奠定重要基础。目前,高通量测序技术的进步使研究人员获取了海量的蛋白质相互作用数据。面对大量具有潜在可用性的PPIs数据,国内外研究人员提出了多种PPIs预测模型。文章综述了现有的基于计算的PPIs预测方法,并进行分类,讨论了其各自优缺点。最后对PPIs预测方法进行总结和展望,提出了未来可以深入研究的方向。

阿尔茨海默病中蛋白质相互作用对β-分泌酶的调节机制

阿尔茨海默病(Alzheimer’s disease,AD)是一种慢性神经退行性疾病,目前尚无有效的治疗方案。AD发病机制十分复杂,学说众多,目前较为公认的仍然是淀粉样蛋白级联假说。该学说认为,淀粉样斑块在脑组织的沉积是AD发病的关键病理机制。β-分泌酶(β-site APP cleaving enzyme 1,BACE1)是淀粉样前体蛋白(amyloid precursor protein,APP)淀粉样降解途径中的限速酶,其降解产物β-淀粉样蛋白(β-amyloid protein,Aβ)是淀粉样斑块(amyloid plaques)的主要成分。AD患者大脑BACE1浓度和活性增加,是引起AD的重要因素。因此,探究BACE1生成及活性调节的影响因素不仅对于理解AD的发病机制至关重要,而且对于开发AD的新治疗靶点也有重要意义。蛋白质之间的相互作用在蛋白质参与的各种生物学过程中发挥着重要的作用,因而被广泛研究。BACE1的相互作用蛋白质可以通过直接结合、间接结合和参与各种细胞信号转导通路等方式直接或间接地在BACE1的转录、翻译、修饰与胞内运输等各个环节对BACE1进行调节,从而影响AD的发生与疾病的进程。本文将从BACE1的生物学功能,以及相互作用蛋白质对BACE1的转录、翻译、细胞内转运及其活性与降解的调节作用进行综述,探讨BACE1生理功能与活性的影响因素,以及BACE1互作蛋白质调控BACE1的作用机制,旨在为理解AD的发病机制以及药物研发提供新的思考。

多糖与蛋白质相互作用及其复合物的功能特性

多糖和蛋白质是食品中共存的生物大分子,营养丰富,两者相互作用可以改善食品的品质,因此成为研究的热点内容。该文对国内外有关多糖与蛋白质相互作用的研究进行综述,介绍多糖与蛋白质相互作用的类型、影响因素和复合物的制备方法、功能特性,并对其在食品中的应用进行展望,以期为多糖-蛋白质复合物的进一步研究与应用提供理论参考。

机器学习在蛋白质疏水相互作用模型研究中的应用

疏水相互作用是一种十分复杂的非线性多体等效相互作用,在蛋白质折叠中发挥着主导作用,对蛋白质溶剂可及表面积(SASA)的分析是刻画该作用的重要手段.为了解决SASA解析或数值方法难以平衡计算成本和精确度的问题,将机器学习方法应用于蛋白质SASA的预测中.与传统的典型方法进行比较,该方法得到的结果,误差小了一个数量级,计算速度比解析方法提升了近两个数量级.将该方法拓展到基于蛋白质粗粒化结构的SASA预测上,也取得了良好的结果.该方法为蛋白质物理的研究提供了新的高效计算工具.

融合互作网络和多模态信息的化合物-蛋白质相互作用预测模型(INMI)

化合物-蛋白质相互作用(Compound-protein interaction,CPI)预测是药物研发领域的一个重大课题.随着生物科学的飞速发展,各种科学实验产生了大量的生物数据,通过计算方法能够快速有效地提取和利用这些信息.已有方法未能将相互作用网络中的信息显式地进行提取并加以利用,且多模态信息的融合方式未能抓住蛋白质和化合物之间的联系.为了解决上述问题,本文提出了一个二分类深度学习模型.该模型使用交叉注意力模块整合分子图和蛋白质序列信息,并从相互作用网络中显式提取节点的中心性和相关性信息,作为模型编码.实验表明,本文所提出的模型可以准确预测蛋白质和化合物之间的相互作用,而且节点中心性编码能够大大提高模型性能.

LPI-MAM:以miRNAs为中介基于深度学习预测lncRNA-蛋白质相互作用

长链非编码RNA (Long non-coding RNAs, lncRNAs)是细胞增殖和死亡的重要调控因子,它的失调可能会导致多种疾病发生。LncRNAs主要是通过与蛋白质相互作用(lncRNA-protein interactions, lncRPIs)来发挥生物学功能。因此,研究lncRPIs对了解lncRNAs的功能及相关疾病至关重要。目前,多数计算方法依赖于已知的验证过的lncRPIs构建模型,但经过实验验证的样本是有限的。MiRNAs主要是与mRNAs结合导致基因沉默,而lncRNAs可作为竞争性内源性RNA,竞争性的结合miRNAs来间接地调节基因表达。本文提出LPI-MAM方法,使用miRNAs作为中间体来扩大lncRPIs的预测范围。该方法将序列、结构和组成转换分布特征融合,输入卷积神经网络和独立循环神经网络的集成深度学习框架中。结果表明,LPI-MAM在基准数据集上取得了良好的性能。并且通过构建可视化交互网络发现该模型具有预测未知lncRPIs的能力。

用NMR技术研究蛋白质-配体相互作用

蛋白质配体相互作用的研究对理解生命过程、药物设计和药物筛选具有相当重要的科学意义和巨大的经济价值.NMR是研究蛋白质配体相互作用的最有用的技术之一,有着显著的优势.本文综述了近年来国际上用NMR技术研究蛋白质配体相互作用的发展状况和趋势,先介绍表征蛋白质配体相互作用的重要参数,然后介绍如何判断蛋白质或配体与复合物的化学交换类型以及所能获得的有关蛋白质配体相互作用的信息,最后介绍具体用于研究蛋白质配体相互作用的若干NMR技术以及基于NMR的药物筛选技术.

基于特征的深度学习预测化合物-蛋白质相互作用的研究进展

药物研发过程中,化合物-蛋白质相互作用(compound-protein interaction,CPI)预测是发现苗头化合物、药物重定位等研究的关键技术手段。近年来,深度学习被广泛应用于CPI研究,加速了药物发现中CPI预测的发展。本文重点讨论基于特征的CPI预测模型,首先,介绍了CPI预测中常见的数据库、化合物和蛋白质的典型特征表示方法。根据建模中的关键问题,从多模态和注意力机制两个方面,对基于特征的CPI预测模型展开论述。在此基础上,选取其中12个模型,在3个经典数据集上评估了模型在分类任务和回归任务中的性能。本文总结当前该领域面临的挑战,对未来的发展方向进行展望,为CPI预测方法进一步研究提供思路。