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。

蛋白质相互作用技术在分子水平的应用

基于蛋白复合物在钠离子通道相关疾病中的调控作用,本文综述了蛋白质相互作用构建蛋白质关系的网络和生物学通路中涉及的体内和体外相关检测方法,如酵母双杂交系统、双分子荧光互补、免疫共沉淀技术、融合蛋白Pull-Down技术、单分子下拉、高通量蛋白质芯片、微生物质谱、串联亲和蛋白纯化,以及以生物信息学为主的研究方法,并通过相关检测技术在大分子蛋白复合物中的应用获得新的靶点。

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。

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。

基于混合深度学习的蛋白质-多肽结合位点识别研究

蛋白质和多肽间的相互作用机制非常重要,且使用计算方法预测蛋白质-多肽相互作用位点能快速定位并有效降低研发成本。然而,现有模型预测两者结合位点的准确率不高,并且难以处理数据不平衡问题。基于此,本文提出了一个基于混合深度学习策略的预测方法——ResPep。在数据集处理层面上,用K-means聚类算法对数据集中多数类样本下采样以平衡数据样本;在算法处理层面上,用残差网络、一维卷积神经网络和多头注意力网络来建立轻量级的混合深度学习模型,同时模型学习融入代价敏感性。结果表明,与多个现有方法相比,ResPep在公共测试数据集TS125上拥有更好的泛化性能。

基于蛋白质相互作用网络图的聚类方法

依据人类AD(Alzheimer's Disease)相关蛋白质相互作用网络图,利用基于算术平均最小值——AAMV(Arithmetic Average Minimum Value)的K-means聚类方法对蛋白质进行聚类并预测4个孤立蛋白质的功能。分析结果表明:所得结果与用Maryland Bridge法及Korbel法所得结果非常相似。

PNmerger:一个整合生物学通路和蛋白质相互作用网络的Cytoscape插件(英文)

Cytoscape是一个广泛应用于分子相互作用网络可视化的软件.发展了一个基于java的Cytoscape插件PNmerger.对于一个蛋白质相互作用网络,PNmerger能够使用KEGG数据库中的通路信息自动注释网络中的蛋白质.并通过网络和通路的比较发现网络中已知的通路元件,预测可能的通路元件及通路交联元件.该软件可以可视化网络中存在的通路模块,并将连接不同通路间的潜在交联元件显示出来.PNmerger软件能够有效地帮助实验人员发现网络中重要的功能线索,帮助实验人员进行实验设计.用户可以通过网站http://www.hupo.org.cn/PNmerger下载PNmerger插件.

糖-蛋白质相互作用

糖生物学被认为是生物化学领域"最后的前沿"。糖-蛋白质相互作用是信号传导、细胞黏附、病菌感染、受精、增殖、分化和免疫应答等很多细胞识别过程的基础,在生命科学中意义重大。本文综述了糖-凝集素特异性结合、细胞/细菌相关的糖-蛋白质相互作用、基因表达的相关调节和基于凝集素媒介的药物导向治疗,以及糖-蛋白质相互作用研究的电化学、压电传感、光谱学、纳米技术、微阵列技术和生物传感器等方法和器件与相关的生物医学应用进展。

偶氮羧Ⅰ-铽(Ⅲ)配合物与蛋白质相互作用的吸光光谱行为的研究及应用

研究了偶氮羧Ⅰ-铽(Ⅲ) 与蛋白质的相互作用及其应用.在pH 1.20的HCl-KCl缓冲溶液中,蛋白质的加入使得偶氮羧Ⅰ-铽 (Ⅲ) 在510 nm 处的吸收峰峰值明显降低,且吸光度的变化与加入的蛋白质的浓度呈线性关系,于510 nm处测得摩尔吸光系数为ε=7.75×105L/(mol·cm)-1,牛血清白蛋白在0～55 mg/L范围内符合朗伯-比尔定律.将此方法用于尿样和奶粉中蛋白质的测定,结果令人满意.

表面等离子体共振技术在蛋白质-蛋白质相互作用研究中的应用

表面等离子共振(SPR)近年来迅速发展为用于分析生物分子相互作用的一项技术。该技术无需标记、特异性强、灵敏度高、样品用量小,可实现在线连续实时检测。目前SPR已被广泛应用于免疫学、蛋白质组学、药物筛选、细胞信号转导、受体/配体垂钓等领域。该文阐述了基于表面等离子体共振技术生物传感器的基本原理和技术流程,综述了SPR在蛋白质-蛋白质相互作用动力学研究、蛋白质结构及功能研究、蛋白质突变和碎片分析、信号转导中的应用以及SPR在蛋白质-蛋白质相互作用研究中的多项关键技术。指出SPR通过与光谱、电化学等多技术联用后,可以获得更加详实的信息。

蛋白质-蛋白质相互作用界面统计分析

以作者开发的从蛋白质结合部位推导出其界面所具有的疏水性质和氢键性质的计算程序PP_SITE为基础,利用蛋白质结构数据库(PDB),对蛋白质-蛋白质相互作用界面进行了统计分析.从PDB中挑出非冗余的链间相互作用对,计算出这个数据集中所有链间界面的疏水和氢键相互作用特征.对得到的界面特征进行统计分析,寻找能够明显聚类的界面特征.结果表明,界面大小、氢键和疏水相互作用在界面所占比例以及疏水相互作用的集中程度可以作为分类的依据.

啤酒酵母、秀丽线虫和大肠杆菌蛋白质相互作用网络的近似二分模式分析

在深入分析啤酒酵母、秀丽线虫和大肠杆菌的蛋白质-蛋白质相互作用(PPI)网络模式的基础上,针对近似二分模式的挖掘,改进已有模型并提出了二分系数这一评价标准.实验结果表明,在相同条件下,所提出的模型比先前的模型效果略好,可以有效地挖掘出PPI网络中的近似二分模式.

2,7-二氯荧光素与蛋白质相互作用的分光光度法研究

首次采用分光光度法研究了模拟生理条件(pH7.4Tris-HCl缓冲溶液,离子强度I=0.1)下2,7-二氯荧光素与牛血清白蛋白(BSA)相互作用的情况。研究结果表明两者相互作用形成稳定的复合物,最大吸收波长为509nm,与2,7-二氯荧光素的最大吸收波长502nm比较,红移了7nm;两者之间主要通过静电引力结合,但并不排除疏水作用力和氢键;两者之间的结合数为32。

基于元数据的异构蛋白质-蛋白质相互作用数据库整合

研究蛋白质-蛋白质相互作用是理解生命活动的基础。在蛋白质-蛋白质相互作用的研究过程中,产生了大量来源于实验和预测的数据。这些数据存储于彼此异构的数据库中。对上述异构数据库进行数据整合是实现共享和最大限度利用已有蛋白质-蛋白质相互作用数据必须解决的关键问题。据此问题提出了基于元数据理论和查询转换方法的异构数据库整合方案,并构建了一个基于网络的蛋白质-蛋白质相互作用相关异构数据库的整合平台,成功实现了对9个蛋白质-蛋白质相互作用数据库的整合。

诱导同源蛋白质二聚化的方法

同源蛋白质二聚化是一种普遍的现象,在许多生物过程中发挥着关键作用。多数细胞事件,如信号转导、转录辅因子募集、酶激活,甚至致病途径,都通过同源蛋白质-蛋白质相互作用受到显著调节。调控同源蛋白质二聚化过程和了解其分子机制对于生物医学应用以及剖析复杂的生物调控网络至关重要。邻近效应或分子的物理接近效应是生物过程中必不可少的调节因素,可以通过诱导二聚化方法来控制。基于临近诱导的化学诱导二聚化(chemically induced dimerization,CID)系统与光诱导二聚化(light induced dimerization,LID)系统为调节二聚化蛋白质的功能提供了强大的工具,并得到逐步发展。近年来,金属离子、核酸和分子主客体系统被提出作为正交控制同源蛋白质二聚化的新方法。本综述阐述了通过CID系统、LID系统以及超分子化学的手段诱导同源蛋白质二聚化的方法与应用,以期为今后同源蛋白质二聚化的应用发展提供一些参考与思路。

两种含1,3,4-噻二唑α-氨基膦酸酯与蛋白质弱相互作用的ESI-MS研究

用ESI-MS研究了两种含1,3,4-噻二唑α-氨基膦酸酯与蛋白质,包括溶菌酶、胰岛素和细胞色素c之间的非共价相互作用.结果表明,这两种含1,3,4-噻二唑α-氨基膦酸酯能与多种蛋白质形成非共价复合物,并且使溶液中蛋白质分子构象趋于收缩.对于同一种蛋白质,底物分子结构的细微差别会形成稳定性和计量比均有差别的复合物.对于同一种底物与不同蛋白质作用时,形成的复合物比例和稳定性有较大的差别.

分析蛋白质-蛋白质相互作用界面的新方法

疏水性和氢键是蛋白质-蛋白质相互作用中的主要因素.提出一种新的计算方法,从蛋白受体的结合部位推导出蛋白配体相应部位应该具有的疏水性质和氢键性质.应用这种方法可以很容易地找出影响相互作用的关键残基,并且将界面的这两种特征用图形软件显示出来.在应用到实际蛋白-蛋白相互作用中时,发现它的用途并不限于此.它可以作为研究蛋白相互作用的一个基本工具.

基于多标签传播机制的蛋白质相互作用网络功能模块检测

鉴于多标签传播算法在发现社会网络的社区结构研究上具有快速、高效的求解能力,提出融合多源蛋白质生物学知识的基于多标签传播机制的蛋白质相互作用(PPI)网络功能模块检测算法.首先,结合PPI网络功能信息和结构信息初始化节点的标签.然后,利用基因表达数据描述蛋白质间的共表达性,依据共表达性构建标签集合,从中选择标签以实现标签在节点间真实可靠的传播.最后,将具有相同标识符的节点划分到同一功能模块中,获得最终结果.实验表明文中算法不仅具有良好的时间性能,而且在检测精度上也具有一定的竞争性.