丝氨酸内酯

一项研究发现，胰腺癌细胞通过向神经发出信号来避免饥饿，信号传递给神经，就会分泌营养，促进肿瘤生长。这是一项针对癌细胞，小鼠和人体组织样品进行的实验结果，相关论文发表在11月2日的Cell杂志上。胰腺导管腺癌（PDAC），也就是最致命的胰腺癌，五年生存率低于10％。此类肿瘤会促进压迫血管的致密组织的生长，从而减少诸如丝氨酸之类的血源性营养物质的供应。这种氨基酸是蛋白质的基本组成部分，也是癌细胞增殖所必需的。纽约大学格罗斯曼医学院等处的研究人员发现，饥饿的胰腺癌细胞会分泌一种叫做神经生长因子的蛋白质，该蛋白质向神经细胞发送信号，指导它们进入肿瘤，进一步发现这些轴突能分泌丝氨酸，帮助胰腺癌细胞避免，饥饿并恢复其生长。文章通讯作者，纽约大学Alec Kimmelman博士说，“神经将营养从血液中转移到胰腺肿瘤微环境中，这是一种一种令人着迷的适应能力，也许可以通过干扰这种特性来研发治疗方法。”研究发现，饥饿的丝氨酸胰腺癌细胞利用了将mRNA链（DNA指令的副本）翻译成蛋白质的过程。密码子将mRNA分子链的骨架解码为氨基酸，核糖体会读取每个密码子，让它们以正确的顺序将氨基酸连接在一起，但是如果缺少可用的氨基酸，核糖体就会失速。出乎意料的是，研究小组发现，丝氨酸饥饿的胰腺癌细胞显著降低了六个丝氨酸密码子中的两个（TCC和TCT）被翻译成氨基酸链的速度。在丝氨酸饥饿的情况下，这种变异性使癌细胞将某些蛋白质的产生减至最少（以保持饥饿时的能量储存），但继续建立诸如神经生长因子（NGF）之类的压力适应性蛋白质，而这种蛋白质恰好由少数TCC编码和TCT密码子。之前的研究NGF和其他因素会刺激神经生长成胰腺肿瘤，促进肿瘤生长。而最新研究是第一个表明轴突，即传递信号的神经元细胞的延伸，能通过在营养缺乏的区域分泌丝氨酸来为癌细胞提供代谢支持。一项2016年的研究表明，此类细胞向附近的星状细胞发送信号，导致它们将自己的细胞部分分解为可被肿瘤利用的构件。然后2019年12月进行的一项研究发现，胰腺癌细胞还劫持了一个称为巨胞饮作用的过程，正常细胞利用该过程通过其外膜吸收营养。有趣的是，这项新研究发现星状细胞和巨胞饮作用不能为这些癌细胞提供足够的丝氨酸生长，还是需要轴突递送。这项研究指出，喂食无丝氨酸饮食的PDAC肿瘤小鼠的肿瘤生长速度降低了50％。为了超越单纯饮食所能达到的效果，研究人员还使用美国FDA已经批准的一种名为LOXO-101的药物来阻止轴突进入PDAC肿瘤。该药物阻断与神经生长因子（也称为TRK-A）相互作用的神经元表面受体蛋白的活化，从而抑制神经元将其轴突送入肿瘤的能力。这组作者说，仅使用这种药物并不能减慢小鼠中PDAC肿瘤的生长，但是与单独使用饮食相比，与无丝氨酸饮食结合时，它可以使PDAC的生长速度进一步降低50％。研究人员说，这表明神经对于支持丝氨酸剥夺的肿瘤区域中的PDAC细胞生长是必要的。文章一作Robert Banh说：“由于TRK抑制剂已被批准用于某些癌症的治疗，因此在手术后大约40％不能产生丝氨酸的PDAC肿瘤患者中，它们可能与低丝氨酸饮食联合，这种方法是否可以通过限制营养供应来减少肿瘤复发，还需要在临床试验中证实。”

根据《食品添加剂新品种管理办法》和《食品添加剂新品种申报与受理规定》，食品工业用酶制剂新品种丝氨酸蛋白酶、扩大使用范围的食品添加剂乳酸钙和三赞胶的申请，其安全性和工艺必要性已通过专家评审委员会技术审查（具体情况见附件），现公开征求意见。请于2023年5月22日前将相关意见反馈至我中心邮箱（zqyj@cfsa.net.cn）,逾期将视为无意见。丝氨酸蛋白酶等3 种食品添加剂新品种相关材料.pdf

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章Quantitative Structural Proteomics Unveils the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress1，文章的通讯作者是来自美国佐治亚理工学院的Ronghu Wu助理教授。在真核细胞中，内质网(endoplasmic reticulum，ER)负责蛋白质组中40%蛋白质的合成和成熟。蛋白质合成或折叠过程中的变化都将影响内质网的稳态，进而导致未折叠蛋白的积累和蛋白分泌效率的降低。在过去几十年的研究中，内质网应激反应被广泛研究，但是内质网应激反应后蛋白质折叠状态的变化却没有被深入研究。基于丰度的蛋白质组学方法不能直接用于分析蛋白质状态的变化，在这篇文章中，作者整合了半胱氨酸(cysteine，Cys)共价标记、选择性富集和定量蛋白质组学，称为半胱氨酸靶向共价蛋白绘制(cysteine targeted covalent protein painting，Cys-CPP)，用于研究蛋白质组范围内的蛋白质结构和变化(图1A)。　　使用CPP分析蛋白质结构，需要一种具有高反应活性的探针。作者设计了一种针对半胱氨酸的探针，其中包含半胱氨酸反应基团、用于富集的生物素部分和用于生成半胱氨酸特异性识别位点标签的可裂解连接部分(图1B)。以变性处理后的蛋白样品作为蛋白质展开形式的参考，计算肽段在原始样本和变性样本中的比例从而获得宝贵的蛋白质结构信息。　　图1.利用半胱氨酸反应探针定量分析人细胞蛋白质组中半胱氨酸暴露率的原理。(A)Cys-CPP的一般工作流程。(B)半胱氨酸残基与探针之间的反应。富集后，进行紫外裂解，在修饰的半胱氨酸上留下一个小标记，用质谱进行位点特异性分析。　　半胱氨酸暴露率Rexpo通过每条肽段在原始样本和变性样本中的比值进行计算。结果显示：(1)半胱氨酸的暴露率和溶剂可及性呈现正相关(图2C) (2)在丝氨酸和苏氨酸等极性氨基酸残基旁边的半胱氨酸具有相对较高的暴露率，这与人们普遍认为亲水残基更有可能暴露在蛋白质表面的观点一致 (3)甘氨酸和脯氨酸附近的半胱氨酸具有更高的暴露率，这是因为这两种氨基酸通常出现在蛋白质的转角和环结构中，对半胱氨酸的空间位阻较小 (4)半胱氨酸暴露率与其有/无序区(图2D)或所处二级结构(图2E)的相关性分析均表明，较低的暴露率与更稳定和结构化的局部环境有很好的相关性。这些数据结果共同证明目前的方法可以准确地测得半胱氨酸暴露率，并为蛋白质结构提供有价值的信息。　　图2.HEK293T细胞中半胱氨酸暴露率的分析。(A) VAHALAEGLGVIAC#IGEK(#代表标记位点)的串联质谱样本。报告离子的强度使我们可以准确定量一个半胱氨酸的暴露率(左框为报告离子强度的放大视图)。(B)蛋白CCT3中被定量半胱氨酸的定位和暴露率演示(PDB代码：6qb8)。(C−E)比较不同的溶剂可及性(C)、预测无序区(D)和二级结构(E)的半胱氨酸暴露率。　　衣霉素(Tunicamycin，Tm)可抑制 N-糖基化并阻断 GlcNAc 磷酸转移酶 (GPT)。由于蛋白质的N-糖基化经常发生在共翻译过程中，在蛋白质折叠的调节中起着至关重要的作用，所以衣霉素会引起细胞内质网中未折叠蛋白的积累并诱导内质网应激。基于此，作者用衣霉素对细胞进行处理，计算并对比了衣霉素处理样本和正常样本中的半胱氨酸暴露率。正如预期的那样，Tm处理样本中许多半胱氨酸的暴露率升高，且Tm对于蛋白质不稳定区域的作用尤为显著。根据Tm处理样本和正常样本之间半胱氨酸暴露率的差值，作者将所有位点划分为5个部分，在Tm处理下，近三分之一的半胱氨酸定位区域没有明显的结构变化(差值在-0.05~0.05之间)，而28%的位点则高度暴露(差值0.15)(图3B)。对这两种蛋白质进行基因本体(GeneOntology，GO)功能富集分析(图3C)，结果显示：差值在-0.05~0.05之间的蛋白通常是糖异生或折叠过后具有良好结构区域的蛋白，而差值0.15的蛋白则是与囊泡转运相关的蛋白。这表明抑制N-糖基化主要影响经典分泌途径中的蛋白质，与预期相符。　　图3.利用Tm抑制蛋白质N-糖基化对蛋白质折叠影响的系统研究。(A)Tm处理和对照样品之间半胱氨酸暴露率的比较。(B) 不同暴露率变化范围内的蛋白质数量。(C)在具有高度展开或稳定区域半胱氨酸的蛋白之间进行GO功能富集分析。　　由于Tm对于预先存在的、折叠良好的蛋白质所产生的影响可能远小于对新合成蛋白的影响，分别研究Tm对这两种蛋白的影响是必要的。作者通过将目前的方法Cys-CPP与细胞培养中氨基酸的稳定同位素标记(pSILAC)结合(图4A)，探究了细胞中已存在蛋白和新合成蛋白在内质网应激作用下的不同变化。结果显示：(1)抑制N-糖基化对新合成蛋白的去折叠影响比对已存在蛋白的影响更显著(图4C) (2)N-糖基化除了调节蛋白质的二级结构外，在蛋白质三级或四级结构的形成中起着更重要的作用(图4D)。　　图4. 抑制N-糖基化对新合成蛋白和已存在蛋白折叠状态影响的研究。(A)量化新合成蛋白和已存在蛋白折叠状态变化的实验设置。(B) 经Tm处理和未经处理的细胞中新合成和已存在蛋白质的重叠。括号内为每组蛋白质数。(C)不同蛋白质组中暴露率的分布。(D) 在有或没有Tm处理的细胞中、在不同的二级结构下，新合成和已存在蛋白之间半胱氨酸暴露率的差值分布。　　本文通过设计一种半胱氨酸靶向探针，定量半胱氨酸残基的暴露率，系统地研究了蛋白质的结构以及结构的变化。结果表明，半胱氨酸暴露率与蛋白质局部结构的相关性非常好。利用该方法，作者研究了Tm引起的内质网应激反应下细胞中蛋白质的结构变化。此外，通过将Cys-CPP与pSILAC结合，研究了在内质网应激反应下原有蛋白和新合成蛋白的结构变化差异，并详细分析了内质网应激对蛋白质去折叠的影响，深入和准确地了解内质网应激下的蛋白质结构变化，有助于深入了解蛋白质的功能和细胞活性。　　参考文献：[1] Yin K, Tong M, Sun F, et al. Quantitative Structural Proteomics Unveil the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress[J]. Analytical Chemistry, 2022,