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。

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。

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。

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。

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.

基于蛋白质相互作用网络的肺癌骨转移基因识别方法

肿瘤转移通常发生在癌症晚期,是一个复杂且致命的过程,发现与肿瘤转移相关的基因对肿瘤的治疗和预后有着至关重要的作用。通过计算方法发现肿瘤转移基因,相对于昂贵且耗时的生物学方更加高效。基于蛋白质-蛋白质相互作用网络(PPIN),论文提出了一种结合随机游动重启(RWR)算法的模型来识别肺癌骨转移相关基因。此外,通过置换检验规则、交互得分规则和富集分析三种方法对基因进一步筛选,最终获得了12个与肺癌骨转移有关的关键基因。文献挖掘的结果证明大部分基因直接或间接参与了肺癌骨转移过程,验证了该计算方法的有效性。这一项工作有望为肿瘤转移的临床试验提供靶标基因。

基于复杂网络理论的酵母菌PPI网络中关键蛋白质与核心蛋白质组的识别

识别关键蛋白质对疾病治疗、药物设计等领域有重要作用。本文首先采用5种节点重要性排序算法,对4种酵母菌PPI网络进行关键蛋白质识别,并通过分析不同网络之间共有的关键蛋白质,构建了关键蛋白质子网。再通过杰卡德相似度指标,筛选出子网中拓扑特征相似的关键蛋白质对,发现4种网络中存在Gavin-EPG 1、Gavin-EPG 2、Babu-EPG 1、Babu-EPG 2、LCMS-EPG、MALDI-EPG共6个核心蛋白质组。尽管它们大都是核糖体蛋白质,然而不同的酵母菌PPI网络中核心蛋白质组中蛋白质的组成差异很大。本文所发现的关键蛋白质以及核心蛋白质组对进一步研究核糖体上蛋白质如何相互作用影响肽链的合成以及折叠提供了重要的理论参考。

iTRAQ联用串联质谱鉴定食管鳞状细胞癌差异表达蛋白质及蛋白质相互作用网络

基于质谱的蛋白质组学结果不仅具有重复性差和覆盖率低等缺陷,并且针对数十至百个差异表达蛋白质分子的分析非常具有挑战性,而蛋白质与蛋白质相互作用网络(protein-protein interaction network,PPIN)分析能够在一定程度上弥补上述不足,使各种组学研究结果具有一致性和可比性。本研究应用同位素标记相对和绝对定量(i TRAQ)联用串联质谱技术鉴定了与食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)相关的差异表达蛋白质244个(ESCC中,升高和降低的蛋白质分别为119个和125个),基因本体论(gene ontology,GO)富集与肿瘤十大特征相关的17个GO条目;以该17个条目包含的117个蛋白质为种子蛋白搜索STRING(http://www.string-db.org)数据库,构建包含96个存在相互作用的PPIN和21个离散蛋白质。用Cyto Hubba算法确定34个中心节点蛋白质和36个瓶颈蛋白质,非重复49个中心节点和/或瓶颈蛋白质中含7个目前已报道的癌基因表达蛋白(PPP2R1A、CTNNB1、ENO1、EZR、TPM4、COL1A1、TPM3),确定与该7个癌蛋白直接相互作用的4个蛋白质(FN1、ITGB1、TAGLN和YWHAZ)可能为参与食管癌变的关键蛋白质,并应用Western印迹实验验证了FN1、ITGB1、TAGLN和YWHAZ等4个关键蛋白质在ESCC中具有显著的表达差异,表明PPIN分析是确定具有重要生物学意义分子的有效途经之一。

基于蛋白质-蛋白质相互作用网络的燃煤污染型氟暴露人群血浆微小RNA靶基因模块化分析

目的建立燃煤污染型氟暴露人群血浆中差异表达的5个微小RNA(microRNA,miRNA)靶基因的蛋白质-蛋白质相互作用(protein-protein interaction,PPI)网络,筛选具有重要作用的基因及基因模块。方法将本课题组前期筛选的燃煤污染型氟暴露人群血浆中差异表达的5个miRNA(hsa-miRNA-3131、hsa-miRNA-4516、hsa-miRNA-6501-5p、hsa-miRNA-10b-5p、hsa-miRNA-4683)的靶基因定位到STRING在线数据库(https://string-db.org),筛选PPI网络。使用Cytoscape v3.6.0软件对PPI网络可视化,通过NetworkAnalyzer插件得到拓扑属性值度和拓扑属性值介数,筛选PPI网络的中心节点(度和介数均最高的节点)。同时,采用CytoHubba插件中的最大团中心(MCC)分析方法来确定PPI网络中的重要节点。通过MCODE插件进行聚类分析,筛选PPI网络的基因模块。将基因模块所包含的蛋白质名称在线提交KOBAS v3.0数据库(http://kobas.cbi.pku.edu.cn/),对MCODE插件筛选出的基因模块进行KEGG(Kyoto Encyclopedia of Genes and Genomes)通路富集分析。结果靶基因的PPI网络由1035个节点和4346个边组成。泛素蛋白A-52残基核糖体蛋白融合产物1(UBA52)的度(101)和介数(0.01072389)均最高,为PPI网络的中心节点。经MCC分析,UBA52为PPI网络中的重要节点。从PPI网络中选择排名前5的基因模块,5个基因模块的KEGG通路富集分析中高度富集的基因通路分别为泛素介导的蛋白水解、剪接体、内吞作用、神经活性配体-受体相互作用、囊泡转运。结论成功建立了燃煤污染型氟暴露人群血浆中差异表达的5个miRNA靶基因的PPI网络,筛选出UBA52基因和5个基因模块主要通路。

蛋白质相互作用网络功能模块检测的研究综述

蛋白质相互作用(Protein-protein interaction,PPI)网络是生命活动中一种极其重要的生物分子关系网络,利用计算方法从PPI网络中检测功能模块是目前生物信息学中一项重要的研究课题.本文首先总结了功能模块检测过程的基本流程,说明了预处理和后处理的作用;其次,提出了一种模块检测方法的分类体系,并对其中一些代表性的检测算法进行了阐述;再次,给出了模块检测常用的数据库、评价指标和相关软件工具,并通过实验对代表性算法进行了性能对比.最后,通过对该领域挑战性问题的分析预测了模块检测未来的研究方向,以期对相关研究提供一定的参考.

动态加权蛋白质相互作用网络构建及其应用研究

一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此,动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法 D-PIN(Dynamic protein interaction networks).基于三个不同的酵母相互作用网络实验结果表明,D-PIN方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.

蛋白质相互作用网络进化分析研究进展

近年来,随着高通量实验技术的发展和广泛应用,越来越多可利用的蛋白质相互作用网络数据开始出现.这些数据为进化研究提供了新的视角.从蛋白质、蛋白质相互作用、模体、模块直到整个网络五个层次,综述了近年来蛋白质相互作用网络进化研究领域的主要进展,侧重于探讨蛋白质相互作用、模体、模块直到整个网络对蛋白质进化的约束作用,以及蛋白质相互作用网络不同于随机网络特性的起源和进化等问题.总结了前人工作给学术界的启示,探讨了该领域未来可能的发展方向.

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.

基于蛋白质相互作用网络探讨天花粉蛋白对乳腺癌MCF-7/PTX细胞的耐药逆转作用

目的:构建人乳腺癌MCF-7/PTX细胞的蛋白质相互作用网络,预测细胞关键靶点,从凋亡耐药途径观察天花粉蛋白对MCF-7/PTX细胞的耐药逆转作用。方法:通过在线基因银行数(GenBank)筛选获得MCF-7/PTX细胞相关基因;使用STRING进行文本挖掘并构建蛋白质相互作用网络;应用插件Centiscape 2.2实现拓扑分析;基于拓扑分析所得的关键因子,选取Bcl-2基因为研究指标;MTT法检测TCS对MCF-7/PTX细胞的增殖抑制作用,Western Blot检测TCS对MCF-7/PTX细胞Bcl-2蛋白表达的影响。结果:通过"GenBank"筛选获得MCF-7/PTX细胞相关基因134个,软件STRING挖掘出MCF-7/PTX细胞的蛋白质相互作用网络包含1194个节点(蛋白质)、19733条边(相互作用关系);插件Centiscape 2.2分析得出关键节点Bcl-2。实验表明TCS对MCF-7/PTX细胞有明显的增殖抑制作用,且随着药物浓度的升高和作用时间的延长,对细胞的增殖抑制率升高,具有时间-剂量依赖性。不同浓度TCS作用于MCF-7/PTX细胞72 h,Bcl-2蛋白的表达下调,且呈剂量依赖性。结论:TCS通过下调MCF-7/PTX细胞Bcl-2蛋白的表达来发挥耐药逆转作用。

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。

蛋白质相互作用及互作网络的生物信息学分析

后基因组时代的最终目标是认识真正执行生命活动的全部蛋白质的表达规律和生物学功能,即蛋白质组学研究。关键的挑战之一就是对蛋白质相互作用网络的研究,将有助于从系统角度加深对细胞结构和功能的认识,并且为新药靶位点的发现和药物设计提供理论基础。目前,用生物信息学的手段来研究蛋白质相互作用网络显示出巨大的优势,主要包括蛋白质相互作用网络的绘制与显示、网络的拓扑结构分析、网络结构模块的研究及网络的比对等。文章试图从生物信息学的角度认识蛋白质相互作用,并总结蛋白质相互作用网络的生物信息学分析方法。

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。

蛋白质相互作用网络的蜂群信息流聚类模型与算法

蛋白质相互作用网络的聚类算法研究是充分理解分子的结构、功能及识别蛋白质的功能模块的重要方法.很多传统聚类算法对于蛋白质相互作用网络聚类效果不佳.功能流模拟算法是一种新型聚类算法,但该算法没有考虑到距离的作用效果并且需要人为地设置合并阈值,带有主观性.文中提出了一种新颖的基于蜂群优化机理的信息流聚类模型与算法.该方法中,数据预处理采用结点网络综合特征值的排序来初始化聚类中心,将蜂群算法的蜜源位置对应于其聚类中心,蜜源的收益度大小对应于模块间的相似度,采蜜蜂结点的所有邻接点按照结点网络综合特征值的降序排列,作为侦察蜂的搜索邻域.采用正确率、查全率等指标对聚类效果做出客观评价,并对算法的一些关键参数进行仿真、对比与分析.结果表明新算法不仅克服了原功能流模拟算法的缺点,且其正确率和查全率的几何平均值最高,能够有效地识别蛋白质功能模块.