单细胞蛋白质成像方法进展

单细胞蛋白质的差异化表达及其亚细胞定位同机体的生理状态和病理机制密切相关。单细胞蛋白质原位成像方法的发展为空间单细胞蛋白质组学研究以及单细胞蛋白图谱绘制提供了强有力的工具。本文对近几年开发的基于抗体有序多轮孵育的循环免疫荧光成像、基于金属元素标签抗体的质谱成像、基于抗体DNA条形码的荧光成像、基于基因编码的荧光蛋白成像、基于拉曼光谱或X射线的光谱成像等单细胞蛋白质成像方法进行了总结,并对它们的成像原理作简要说明。文章重点关注了这些方法的多重性能、成像分辨率以及信号放大性能,并分析了它们在实际科研和临床工作中的应用特点,希望为新的单细胞蛋白质成像方法的开发提供参考,并为生物医学和精准医学的发展提供助力。

用离散量预测原核生物蛋白质的亚细胞位置

基于不同亚细胞位置中蛋白质的氨基酸组成及序列信息不同这一观点,以单个氨基酸含量及两两组合氨基酸含量为信息构成离散源,分别计算了原核生物蛋白质三类亚细胞位置的标准离散量D(Xe),D(Xp),D(Xc).利用离散增量的概念预测蛋白质的亚细胞位置,它是由这个蛋白质的离散量D(X)与三个标准离散量D(Xe),D(Xp),D(Xc)之间离散增量的最小值所决定的.采用Self-consistency检验和Jack-knife检验方法,给出了选择五组不同信息作为离散源中参数时的预测结果.与现有的方法比较,发现用Jack-knife检验法预测extracellular类蛋白质时,给出的离散量方法能够给出最好的预测性能,结果也表明提取更多有效的序列信息是提高预测精度的关键.

植物细胞壁蛋白质组学研究进展

植物细胞壁蛋白质在细胞代谢和发育调控、细胞壁组分修饰、信号转导及胁迫响应等生物学事件中具有重要功能.最近,国内外学者开展了大量植物细胞壁蛋白质组学的研究工作,并取得了巨大进展.本文详述了细胞壁蛋白质的分类、提取、鉴定及生物信息学分析的最新进展,总结了植物细胞壁蛋白质组学的应用和面临的挑战,提出了植物细胞壁蛋白质组学研究的框架图,以期为植物细胞壁蛋白质组学的广泛研究提供借鉴.

混合培养对纤维素酶和细胞蛋白质合成的影响

本研究检查了绿色木霉和啤酒酵母之间的关系,对提高木霉纤维素酶活性和产生大量的细胞蛋白质的条件进行了探索。在木霉接种24小时后接种酵母。混合培养后,葡萄糖等还原糖被较快地利用,纤维素酶相应在较早时间产生,而且纤维素酶活力相应有所提高。此时滤纸糖化型纤维素酶活力提高26％。终产物菌体蛋白氨基酸组成不同于单独培养木霉的氨基酸成分。

蛋白质亚细胞定位预测研究综述

蛋白质亚细胞定位预测对于确定蛋白质功能、揭示分子交互机理、理解复杂生理过程和设计药物靶标等方面都有很大的促进作用。随着后基因组时代中蛋白质序列数据的指数增长,研究基于机器学习的计算性蛋白质亚细胞定位预测方法变得越来越重要。为了能够把握该问题的研究状况,从数据集构建、蛋白质特征提取与表示、预测算法设计、算法测试和Web服务的建立等五个方面对蛋白质亚细胞定位预测的研究进行了综述。指出了目前该研究领域需要解决的核心问题及难点问题,分析了当前研究中出现的一些新情况,并对将来的研究方向和研究重点进行了展望。

玉米秸秆生产单细胞蛋白质饲料的研究

对玉米秸秆在不灭菌条件下利用绿色木霉菌GM6a和GM982 3两个菌株发酵生产单细胞蛋白质饲料进行了研究。结果表明 ,GM 982 3的效果好于GM 6a ;用GM 982 3发酵生产单细胞蛋白质饲料的适宜条件为 :培养基中的初加水量 75 % ,菌株接种量 12 % ,温度 30± 1℃ ,发酵时间 1～ 2天 ;上述条件下由玉米秸秆生产的发酵饲料粗蛋白含量由 2 .8%提高至 2 8% ,粗纤维含量由 40 .2 %降至 13 .6 %。

一种新的蛋白质亚细胞定位预测训练集构造方法

设计了一种新的蛋白质亚细胞定位预测训练集构造方法.该方法针对传统预测方法缺乏足够的实验标记数据的问题,基于主动学习策略从非实验标记蛋白质数据中主动选择有效数据,并与原有的实验标记数据共同训练预测模型,以提高基准分类器的预测精度.结合支持向量机分类器,该方法在病毒蛋白质独立测试集上进行了预测实验,测试结果表明,该方法能够有效地提高基准分类器的预测能力,性能优于现有的病毒蛋白质预测系统.

苯并呋喃类木脂素衍生物通过抑制细胞周期蛋白质活性诱导MCF-7细胞G2/M期阻滞及凋亡

研究全新合成的苯并呋喃类木脂素化合物2-(3-甲氧基-4-羟基苯基)-4-甲酰基-5-(2-甲氧基羰基乙基)-7-甲氧基苯并[b]呋喃(ERJT-12)的体外抗肿瘤细胞增殖作用及其分子机制。MTT法测定ERJT-12对人肿瘤细胞的抗增殖活性,流式细胞术检测细胞周期分布的改变及细胞凋亡,琼脂糖凝胶电泳检测DNA梯状条带,比色法测定Caspase-3/7和Caspase-6的活性,Western blotting检测细胞周期蛋白质Cdc25c(cell divide cycle 25c)、CDK1(cyclin dependent kinase1)和CyclinB1的改变以及凋亡相关蛋白Bax和Bcl-2的变化。结果显示,ERJT-12对包括多药耐药细胞在内的多种人肿瘤细胞呈现出明显的细胞毒作用。ERJT-12可诱导MCF-7细胞出现明显的G2/M期阻滞及细胞凋亡,细胞中Caspase-3/7和Caspase-6的活性显著升高;CyclinB1蛋白表达下调,Cdc25c和CDK1的活性下降,Bcl-2蛋白被磷酸化。ERJT-12具有显著的抗肿瘤细胞增殖活性,通过抑制细胞周期相关蛋白活性诱导细胞周期阻滞从而触发凋亡,可能成为新的抗肿瘤药物。

快速发展的亚细胞蛋白质组学

亚细胞蛋白质组是蛋白质组学领域中的一支新生力量 ,已成为蛋白质组学新的主流方向 ,通过多种策略和技术方法 ,一些重要的亚细胞结构的蛋白质组不断的得到分析 ,到目前为止 ,几乎所有亚细胞结构的蛋白质组学研究都有报道 ,而且已经深入到亚细胞器和复合体水平 ;另外 ,不仅局限于对亚细胞结构的蛋白组成进行简单分析 ,而且更注重功能性分析 ,将定量技术和差异分析引入亚细胞蛋白质组学 ,来观察此亚细胞结构的蛋白质组在某些生理或病理条件下的变化 ,这已经成为亚细胞蛋白质组学新的发展方向 .亚细胞蛋白质组学最大的困难在于怎样确认鉴定出来蛋白质的定位 ,是在提取过程中的污染还是真正在此亚细胞结构中有定位 ?这将是亚细胞蛋白质组学需要努力解决的挑战 .文章全面介绍了亚细胞蛋白质组学的最新研究进展 ,阐述了亚细胞蛋白质组学面临的挑战 ,并对亚细胞蛋白质组学的发展方向作了展望 .

基于Convolutional-LSTM的蛋白质亚细胞定位研究

蛋白质亚细胞位置预测研究是目前蛋白质组学和生物信息学研究的重点问题之一。蛋白质的亚细胞定位决定了它的生物学功能,故研究亚细胞定位对了解蛋白质功能非常重要。由于蛋白质结构的序列性,考虑使用序列模型来进行亚细胞定位研究。尝试使用卷积神经网络(convolutional neural network,CNN)、长短期记忆神经网络(long short-term memory,LSTM)两种模型挖掘氨基酸序列所包含的信息,从而进行亚细胞定位的预测。随后构建了基于卷积的长短期记忆网络(Convolutional-LSTM)的集成模型进行亚细胞定位。首先通过卷积神经网络对蛋白质数据进行特征抽取,随后进行特征组合,并将其送入长短期记忆神经网络进行特征表征学习,得到亚细胞定位结果。使用该模型能达到0.816 5的分类准确率,比传统方法有明显提升。

肝癌亚细胞结构的蛋白质组分比较分析

运用亚细胞蛋白质组学的研究策略,分离纯化亚细胞结构,可以提高低丰度蛋白质在双向电泳中检出的数量。通过对比分析肝癌细胞与正常肝细胞线粒体、细胞核蛋白质组的差异表达情况,为肝癌发病机理的研究提供更多、更有价值的信息。以体外培养的人体肝癌细胞QGY-7703与正常肝细胞LO2为研究模型,通过超离心的方法分离细胞的线粒体和细胞核。双向电泳分离线粒体和细胞核的蛋白质,图像分析筛选差异表达蛋白斑点,MALDI-TOF-MS鉴定蛋白质。从线粒体、细胞核的蛋白质电泳图谱中筛选出54个候选差异表达的蛋白质斑点,质谱鉴定出22种差异表达蛋白质,其中17种在肝癌细胞中表达上调,5种在肝癌细胞中表达下调。筛选出的差异表达蛋白质涉及到细胞的能量代谢、蛋白质合成、细胞骨架与核骨架的改变、mRNA的加工成熟及凋亡调控等许多方面,表明癌变细胞的组织结构和代谢状态都发生了很大的变化。

蛋白质芯片飞行质谱技术检测体外培养的肝癌细胞株与转染HBV的肝癌细胞株蛋白质的差异表达

目的:运用SELDI蛋白质芯片技术检测体外培养的肝癌细胞株(HepG2)与转染乙肝病毒的肝癌细胞株(HepG2.2.15)蛋白质的差异表达,从而为进一步研究肝癌的发病机制奠定基础. 方法:常规培养上述两种细胞,细胞状态良好时收集细胞,裂解细胞后采用SELDI—TOF—MS技术用WCX2 芯片检测HepG2、HepG2.2.15蛋白质组学的差异. 结果:WCX2芯片共捕获91个蛋白,其中HepG2、HepG 2.2.15细胞差异蛋白共19个,9个蛋白在HepG2 细胞中表达量增高,10个蛋白在HepG2细胞中表达量降低.通过在Swiss蛋白数据库中搜索,发现Mr 11 081 蛋白与钙结合蛋白S100 A10相符,其他几种蛋白暂时寻找不到. 结论:SELDI蛋白芯片技术检测肝癌细胞株与转染乙肝病毒的肝癌细胞株蛋白质的差异表达方法简便,敏感性高,重复性好,本文发现的这些组织特异性蛋白生物标记对我们从血清或组织标本中筛选和鉴定不同型别肝癌细胞之间的标志蛋白有重要意义.

羟基喜树碱诱导肝癌细胞凋亡前后线粒体疏水蛋白质组的定量分析

抗癌剂羟基喜树碱可以通过线粒体途径诱导肝癌细胞凋亡.应用定量蛋白质组学技术分析羟基喜树碱诱导肝癌细胞凋亡前后的线粒体疏水蛋白质差异表达,探讨癌细胞凋亡机制及羟基喜树碱的抗癌机理.分离提取羟基喜树碱诱导肝癌细胞凋亡前后的线粒体,并采用顺序抽提法提取疏水蛋白质;用含稳定同位素亲和标签的c-ICAT试剂标记蛋白,利用基于多维色谱-线性离子阱/静电场轨道阱质谱联用技术的鸟枪(shotgun)法策略分析鉴定了在肝癌细胞凋亡前后的线粒体中表达量差异有显著统计学意义(P<0·05)的疏水蛋白144种,其中,12种蛋白的表达量在凋亡细胞中下调,而表达量在羟基喜树碱诱导细胞凋亡后上调10倍以上的蛋白43种.这些蛋白主要与细胞分裂增殖、分化凋亡、能量代谢、核酸代谢以及信号转导相关.该研究结果为在亚细胞定量蛋白质组水平上深入探讨羟基喜树碱的作用机理提供了新的实验依据,亦为研究肿瘤细胞凋亡机制提供了新的思路.

巨核细胞蛋白质酪氨酸磷酸酶2的克隆表达及其与骨质疏松症的关系

目的:探讨巨核细胞蛋白质酪氨酸磷酸酶2(PTPMEG2)的克隆表达及其对骨质疏松症发展过程的调节作用。方法:分离纯化后的PTPMEG2蛋白,应用免疫学技术制备PTPMEG2的多克隆抗体。30只雌性SD大鼠随机分为模型组(n=15)和对照组(n=15),采用维甲酸灌胃给药的方法构建大鼠骨质疏松症模型,对照组大鼠采用生理盐水灌胃,检测2组大鼠血清中酸性磷酸酶(ACP)及碱性磷酸酶(ALP)的水平。Western blotting法检测大鼠各组织中PTPMEG2的表达水平,并对比PTPMEG2在骨髓细胞(BMCs)、红细胞及骨髓基质细胞(BMSCs)中表达量的变化。结果:成功制备PTPMEG2的多克隆抗体。模型组大鼠血清中ACP和ALP表达水平均高于对照组(P<0.01),且模型组大鼠的骨脆性明显高于对照组。模型组大鼠肾脏组织中PTPMEG2的表达水平高于对照组(P<0.05),而其在肌肉组织中的表达水平却低于对照组(P<0.05)。与对照组比较,PTPMEG2在模型组大鼠BMCs中表达量显著增加,而在红细胞和BMSCs中其表达量无明显差异。结论:骨质疏松症大鼠BMCs中PTPMEG2表达水平增加,且多发生在骨髓内分化成熟的骨细胞中;PTPMEG2可能在骨质疏松症的发展过程中发挥重要的调节作用。

奶牛乳腺上皮细胞核蛋白质组双向电泳方法的建立

蛋白质样品的双向电泳分离效果受各种试验条件的影响较大,针对不同来源的蛋白样品进行试验条件的优化可获得具有较高分辨率的双向电泳图谱。试验拟建立优化的奶牛乳腺上皮细胞核蛋白质双向电泳分离体系,按标准条件对蛋白质进行双向电泳分离,并对关键因素进行优化,采集电泳图谱并分析双向电泳图谱中蛋白斑点的数量、图像分辨率及背景条纹的变化。通过对试验条件的筛选和优化,成功建立了具有较高分辨率的奶牛乳腺上皮细胞核蛋白质组双向电泳分离体系。

一种新的蛋白质亚细胞定位预测方法

蛋白质亚细胞定位是蛋白质组学基本问题之一。某些类型蛋白质可能存在于两个或两个以上的亚细胞位置,这类蛋白质的亚细胞定位问题更为复杂。分别利用Gene Ontology和伪氨基酸成分法,将一条蛋白质表示为一实值向量;采纳多标记学习中的Ranking思想,计算出一得分向量V,该向量的每一分量的值表示被预测蛋白质属于某个亚细胞位置的概率;利用最近邻算法预测蛋白质所属亚细胞位置的个数n,得分向量V中得分最高的n个分量对应的亚细胞位置即为预测的位置。

益气解毒颗粒干预鼻咽癌细胞HNE1蛋白质表达的研究

目的 探讨中药复方益气解毒颗粒对鼻咽癌细胞杀伤作用的分子机制。方法 筛选益气解毒颗粒药液对鼻咽癌杀伤的半抑制浓度(IC_(50)),用0.1倍半抑制浓度(0.1×IC_(50))的益气解毒颗粒作用鼻咽癌细胞HNE1 96h,用固相pH梯度双向凝胶电泳分离益气解毒颗粒处理和未处理的鼻咽癌细胞HNE1的总蛋白质,银染显色,PDQuest 2-de软件分析差异蛋白质点。结果 益气解毒颗粒药液杀伤鼻咽癌细胞HNE1的半抑制浓度为6.25mg/ml;双向电泳图像分析益气解毒颗粒药物处理组图像的平均蛋白质数为1120±89,未处理组的平均蛋白质数为1281±102;差异蛋白质有673个,其中有218个表达增强,有455个蛋白质表达下降。结论 益气解毒颗粒对鼻咽癌细胞的杀伤作用这些差异表达蛋白质有关,这些差异蛋白质有待质谱分析鉴定,为中药作用的分子机理研究提供了新的思路。

无细胞蛋白质芯片的制备及其应用

蛋白质芯片是生物技术和功能蛋白组学的关键技术之一.传统的生产蛋白的方法周期长且费用高.无细胞蛋白质合成系统和蛋白芯片的结合,避免了基因的克隆、蛋白的表达、纯化和保存等繁琐过程,使整个无细胞蛋白芯片的制备过程快捷、迅速和高效.本文详细综述了无细胞蛋白质合成系统及其分类、无细胞表达系统在制备蛋白质芯片方面的研究进展,并探讨了无细胞蛋白质芯片在蛋白组学研究中的最新应用.

基于三层集成多标记学习的蛋白质多亚细胞定位预测

针对多标记学习和集成学习在解决蛋白质多亚细胞定位预测问题上应用还不成熟的状况,研究基于集成多标记学习的蛋白质多亚细胞定位预测方法。首先,从多标记学习和集成学习相结合的角度提出了一种三层的集成多标记学习系统框架结构,该框架将学习算法和分类器进行了层次性分类,并把二分类学习、多分类学习、多标记学习和集成学习进行有效整合,形成一个通用型的三层集成多标记学习模型;其次,基于面向对象技术和统一建模语言(UML)对系统模型进行了设计,使系统具备良好的可扩展性,通过扩展手段增强系统的功能和提高系统的性能;最后,使用Java编程技术对模型进行扩展,实现了一个学习系统软件,并成功应用于蛋白质多亚细胞定位预测问题上。通过在革兰氏阳性细菌数据集上进行测试,验证了系统功能的可操作性和较好的预测性能,该系统可以作为解决蛋白质多亚细胞定位预测问题的一个有效工具。

细胞周期蛋白依赖性激酶1(CDK1)和极光激酶A(AURKA)在HBV相关肝细胞癌患者血清中的表达及意义

目的 探讨血清细胞周期蛋白依赖性激酶1(CDK1)和极光激酶A(AURKA)在HBV相关肝细胞癌(HBV-HCC)患者中的诊断价值。方法 收集2022年6月—2023年12月在甘肃省人民医院消化内科住院部的HBV-HCC患者、HBV相关肝硬化患者(HBV-LC)及慢性乙型肝炎患者(CHB)各50例,收集同期体检中心与病例组年龄、性别相匹配的健康人群50例,记录患者的年龄、性别、并发症以及入院后首次的血常规、肝功能、凝血等检验指标。ELISA法检测各组血清中CDK1和AURKA水平。符合正态分布的计量资料多组间比较采用单因素方差分析,进一步两两比较采用LSD-t检验;非正态分布的计量资料多组间比较采用Kruskal-Wallis H检验,进一步两两比较采用Bonferroni检验。计数资料组间比较采用χ^(2)检验或Fisher确切概率法。CDK1与AURKA表达的关系采用Spearman相关分析;受试者工作特征曲线(ROC曲线)下面积(AUC)分析CDK1与AURKA对HBV-HCC的诊断价值。结果 与对照组相比,HBV-HCC患者肝功能各项指标差异均有统计学意义(P值均<0.05);CHB组与HBV-HCC组Alb、Glb、DBil、AST、GGT、ALP水平比较差异均有统计学意义(P值均<0.05);HBV-LC组与HBV-HCC组Glb、AST、GGT水平比较差异均有统计学意义(P值均<0.05)。HBV-HCC组患者血清中CDK1及AURKA水平明显高于HBV-LC组、CHB组和对照组(P值均<0.05)。CDK1水平与AURKA在总研究人群和HBV-HCC患者中均存在显著的正相关性(r值分别为0.526 6、0.815 2,P值均<0.001)。以对照组为参照,CDK1诊断HBV-HCC的AUC为0.832 3,敏感度为92.86%,特异度为75%;AURKA诊断HCC的AUC为0.886 6,敏感度为95.80%,特异度为74%。以CHB组为参照,CDK1诊断HBV-HCC的AUC为0.833 3,敏感度为93.75%,特异度为75%;AURKA诊断HBV-HCC的AUC为0.972 7,敏感度为95.83%,特异度为91.67%。以HBV-LC组为参照,CDK1诊断HBV-HCC的AUC为0.608 5,敏感度为66.67%,特异度为54.17%;AURKA诊断HBV-HCC的AUC为0.762 2,敏感度为95.83%,特异度为47.92%。结论 血清CDK1与AURKA水平随着HBV相关慢性肝病的进展而升高,二者对HBV相关HCC有一定的诊断价值。