蛋白质提取

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins。该文章的通讯作者是来自北京蛋白质组学研究中心的贾辰熙和Chen Yali研究员。生物活性肽是一类重要的生物分子，通过与蛋白受体相互作用，参与调控多种生物学进程。研究肽-蛋白相互作用对于理解这些功能分子的调节机制至关重要。目前已开发多种方法用于表征肽-蛋白的相互作用，例如通过引入荧光探针在多肽上来监测蛋白-多肽的相互作用，或者将多肽固定在磁珠或其他载体材料上进行进一步的亲和沉淀。然而以上方法都需要对多肽进行修饰，导致多肽的结构发生改变，进一步影响多肽-蛋白相互作用，产生假阳性结果。细胞热转移变分析（CETSA）和热蛋白质组分析（TPP）作为一种无修饰/无标签技术已被广泛用蛋白-配体相互作用研究。当配体与蛋白结合后，蛋白的热稳定性发生了改变，导致熔解曲线(Melting cure)发生位移。通过监测熔解温度的变化(∆Tm)，实现对蛋白-配体相互作用的检测。CETSA以及TPP允许在天然环境下研究分子互作，从而保留了内源性蛋白表达水平、翻译后修饰、局部微环境等生物物理特性。除了改变蛋白质的热稳定性，肽配体与蛋白质受体相互作用还会导致蛋白构象、疏水性和溶剂可及性的改变，一些配体甚至起到生物助溶的作用。所有这些特性的改变会导致研究体系中靶蛋白丰度的变化。这种由肽段配体结合诱导蛋白的丰度改变现象称之为PACTS。而PACTS也可以被合理的利用用于识别与肽段配体结合的靶蛋白。基于此，本文将PACTS与TPP技术相结合用于肽-蛋白质相互作用研究，PACTS可以辅助TPP分析，特别是在TPP分析过程中，由于配体-靶蛋白结合导致靶蛋白丰度降低至质谱检测限以下，无法绘制熔解曲线的情况下，PACTS可以作为另一个重要的监测手段。如图1所示，PACTS辅助TPP分析的实验流程大致如下：将蛋白提取液分成2份，分别与缓冲液（对照组）、肽配体（实验组）孵育，再将孵育后的每组样本等分成10份，在10个不同的温度下加热3 min。加热完成后，离心，收集上清液。利用SDS-PAGE将肽段与蛋白分离并进行胶内酶切。酶切后的肽段随即用TMT 10-plex标记，最后通过LC-MS/LS进行定量分析。将37 °C下对照组、实验组中同一蛋白的丰度变化作为PACTS的衡量指标（蓝框）。将在不同温度下蛋白的相对丰度变化转化为熔解曲线（黑框），实验组相较于对照组，同一蛋白熔解曲线的位移（∆Tm）作为TPP的衡量指标。综合两种方法识别出的靶标蛋白，作为最终的筛选结果。图1. PACTS辅助TPP分析的实验流程图作者首先用标准肽段-蛋白互作对验证了PACTS辅助TPP分析的可行性。如图2所示，右侧为对照组/实验组中靶蛋白在不同温度下丰度变化（Western blot），中间及左侧则是基于Western blot数据生成PACTs以及熔解曲线。对于JIP1-JNK1互作对，PACTS显示没有明显的丰度变化，而熔解曲线则显示发生了位移（图2A）。与之相反的，对于HOXB-AS3-hnRNP A1互作对，PACTS显示出明显的丰度变化，而熔解曲线则由于靶蛋白丰度降至检测限以下而无法绘制（图2B）。以上两个例子都说很好地说明，PACTS和TPP是两种互补的检测手段，使用两种方法同时检测有利用提高结果的准确性。作者还考察了不同细胞环境对蛋白-配体互作的影响（图CD及图EF）。来源于293T细胞的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= 0.5 °C（图E），而来源于Hippocampus的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= -14.4 °C（图F）。这个差异可能是由于孵育时不同的微环境造成的。图2. PACTS辅助TPP分析标准肽段-蛋白互作对。随后，作者将PACTS辅助TPP分析应用到组学层面。Aβ肽是淀粉样斑的主要成分，而淀粉样斑块主要存在于阿尔茨海默症（AD）患者的大脑中。在Aβ肽中，Aβ1-42在介导神经毒性和氧化应激中起关键作用。THP-1细胞类似于小胶质细胞，小胶质细胞功能障碍加速了与年龄相关的神经退行性疾病的进展，如AD。作者利用了PACTS辅助TPP分析研究了THP-1细胞中与Aβ1-42肽段相互作用的蛋白。如图3所示，图3A为PACTS结果，共发现37个蛋白在37 °C下有丰度变化。而TPP结果（图3B）则显示66个蛋白熔解曲线发生了位移。PACTS与TPP的结果具有较小的重合，说明两种方法具有互补性。GO分析表明（图3C），大多数与Aβ1-42相互作用的蛋白存在于细胞外泌体、胞质溶胶和细胞膜中。外泌体在AD中充当双刃剑，一方面，外泌体传播有毒的Aβ肽和过度磷酸化的tau遍及整个大脑，并诱导神经元凋亡。另一方面，它们消除大脑中的Aβ肽并促进其降解。了解Aβ肽与外泌体蛋白之间的相互作用有利于更好的开发AD治疗治疗药物。此外，作者用Western blot的方法进一步确认识别出的靶标蛋白（图D-E）。最后，作者用免疫共沉淀的方法进一步证明靶蛋白与Aβ1-42存在相互作用。图3. PACTS辅助TPP分析与Aβ1-42相互作用的蛋白总之，本文开发一种PACTS辅助TPP的分析方法，可用于大规模组学层面肽段-蛋白质相互作用研究。该方法具有无标记、无修饰的优势，无需额外实验，即可在TPP分析的同时获得PACTS信息。该方法也有助于理解多肽-蛋白质复合物相关的分子调控机制，进一步开发新型治疗药物。撰稿：刘蕊洁编辑：李惠琳原文：PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins 参考文献1.Zhao T, Tian J, Wang X, et al. PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins. Anal Chem. 2022 94(18): 6809-6818. doi:10.1021/acs.analchem.2c00581

前文回顾（点击）：蛋白质测序技术发展漫谈（上）前面提到，基于质谱的蛋白质测序主要流程为：首先对蛋白质酶解得到肽段，经过LC-MS/MS分析得到相应的质谱数据，再使用测序软件根据质谱数据对肽段测序，最后对测序得到的肽段序列进行拼接。其中根据肽段的二级质谱图进行从头测序是其核心内容。目前已发展的肽段从头测序算法有三十余种，主要可以分为三类：图方法、穷举法和动态规划法，包括PEAKS[ 1]、pNovo系列[2]、Pepnovo[3]、Novor[4]等。 Muth[5]评估了Novor、PEAKS和PepNovo三种测序软件在实验数据集上测序的准确度，这三款软件对肽段的测序准确度最高只有35%。这是由于质谱谱图中存在着噪声和干扰离子，无法有效的区分谱图中可用于肽段测序的碎片离子[6]，使得精准解析谱图的难度增加且耗费大量的时间。基于碎片离子的蛋白质组稳定同位素标记定量方法通过在细胞培养或样品处理的过程中引入不同种类的同位素标记，混合后进行LC-MS分析。不同稳定同位素标记的相同序列肽段质量相同或相近，可在质谱中同时碎裂，形成成对的碎片离子[7]。借鉴该方法，可更好的区分并提取用于测序的碎片离子，用于肽段的序列测定。Nie[8]在细胞培养时加入同位素标记的精氨酸和赖氨酸，再利用Lys-N和Arg-C对提取的蛋白质酶解，形成N端为精氨酸、C端为赖氨酸的等重肽段，在二级谱中可形成成对的b离子和成对的y离子，但这种标记方法只能在细胞水平标记，且通过两种蛋白酶酶解后只有少部分肽段质量相等并被鉴定到。Zhang[9]发展了部分等重肽段末端标记方法，使用Lys-C酶解后，肽段的C端为含有氨基的赖氨酸，再通过对两末端使用不同同位素标记，使得相同序列的肽段质量差为2 Da，在二级谱中产生了质量差为4 Da的成对b离子和质量差为6 Da的成对y离子，为使肽段能够碎裂在同一张谱图中，质谱的分离窗口需要被放大到4 m/z甚至更多[10]，但放大分离窗口会导致更多的质量相近的肽段发生共碎裂，谱图会变得更加复杂难以解析，增加了从头测序的难度。为此，我们开发了一种基于二甲基化标记和胰蛋白酶催化18O标记的肽段末端准等重标记（Pseudo Isobaric Peptide Termini Labelling，PIPTL）从头测序方法 [11]（图1）。经该方法进行同位素标记后，序列相同的肽段质量仅相差0.0166 Da，这些准等重肽段无需扩大质谱分离窗口即可在质谱中同时碎裂，产生成对的b离子和成对的y离子；基于发展的PIPTL-Novo测序算法，根据不同系列碎片离子质量差可快速准确提取并区分b/y离子，再对b/y离子进行测序分析，从而实现对肽段的准确测序。以牛血清白蛋白为研究对象，对肽段从头测序的准确度进行评价，测序准确率为95.5%；最后将此从头测序方法应用于对单克隆抗体赫赛汀重链和轻链的序列测定，对赫赛汀的酶解肽段从头测序准确率为93.6%。图1 基于二甲基化和胰蛋白酶催化18O标记的PIPTL-Novo策略参考文献[1] Ma B, Zhang K, Hendrie C, et al. PEAKS: powerful software for peptide de novo sequencing by tandem mass spectrometry. Rapid Commun Mass Spectrom, 2003, 17(20): 2337-42.[2] Yang H, Chi H, Zhou W-J, et al. Open-pNovo: de novo peptide sequencing with thousands of protein modifications. J Proteome Res, 2017, 16(2): 645-54.[3] Frank A M, Savitski M M, Nielsen M L, et al. De novo peptide sequencing and identification with precision mass spectrometry. J Proteome Res, 2007, 6(1): 114-23.[4] Ma B. Novor: real-time peptide de novo sequencing software. J AmSoc Mass Spectrom, 2015, 26(11): 1885-94.[5] Muth T, Renard B Y. Evaluating de novo sequencing in proteomics: already an accurate alternative to database-driven peptide identification? . Brief Bioinform, 2018, 19(5): 954-70.[6] Lu B, Chen T. A suboptimal algorithm for de novo peptide sequencing via tandem mass spectrometry. Journal of Computational Biology, 2003, 10(1): 1-12.[7] Merrill A E, Coon J J. Quantifying proteomes and their post-translational modifications by stable isotope label-based mass spectrometry. Curr Opin Chem Biol, 2013, 17(5): 779-86.[8] Nie A-Y, Zhang L, Yan G-Q, et al. In vivo termini amino acid labeling for quantitative proteomics. Anal Chem, 2011, 83(15): 6026-33.[9] Zhang S, Shan Y, Zhang S, et al. NIPTL-Novo: Non-isobaric peptide termini labeling assisted peptide de novo sequencing. J Proteomics, 2017, 154(40-8.[10] Hennrich M L, Mohammed S, Altelaar A M, et al. Dimethyl isotope labeling assisted de novo peptide sequencing. J Am Soc Mass Spectrom, 2010, 21(12): 1957-65.[11] 杨超，刘健慧，张玮杰等，基于末端准等重同位素标记的肽段从头测序方法. 分析化学, 2021, 49 (03), 366-376.作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn）。中国临床质谱产业化发展论坛（点击报名）仪器信息网联合浙江省先进质谱技术与分子检测重点实验室、宁波大学质谱技术与应用研究院，共同举办“第六届中国质谱产业化发展论坛——临床质谱产业化发展”，在2021年第十五届中国科学仪器发展年会(ACCSI 2021)召开同期，邀请临床质谱业内专家、国内质谱企业、第三方医学实验室、医院专家代表，共同就中国临床质谱技术与产业化发展等话题展开探讨、答疑解惑，为中国临床质谱产业链上中下游三方搭建互动交流平台，助力中国临床质谱产业发展，进一步优化和拓展临床质谱产业市场，共同促进中国质谱产业健康快速发展。

科学家已经发现了上万种新的蛋白联结，约占蛋白联结总量的四分之一。　　为了揭示蛋白质是如何构建细胞与机体，来自多个国家的科学家组成的研究团队筛选了不同生物的细胞，这些细胞从变形虫到蠕虫到老鼠到人类，来源十分广泛。　　这项蛋白质科学的壮举，是来自七个国家的三个研究小组合作的结果，由多伦多大学唐纳利中心的Andrew Emili教授和德克萨斯大学奥斯汀分校的EdwardMarcotte教授领导，发现了成百上千种新的蛋白质相互作用，其中细胞内蛋白质的接触作用大约占四分之一。　　一个蛋白联结的缺失都会致病。图谱已经帮助科学家锁定病变蛋白。这些数据将通过开放数据库的访问提供给世界各地的研究人员。　　虽然十几年前的人类基因组测序无疑是生物学中最伟大的发现之一，然而这只是人们对细胞工作的深入了解的开始。基因只不过是一幅模板，而它的复制品——蛋白质，担任了细胞运转的主要工作。　　蛋白间相互联系，共同协作。许多蛋白质结合形成所谓的分子机器并在细胞活动中扮演关键角色，例如合成新的蛋白质，或者是回收旧蛋白，再造新蛋白。但是人类细胞中有上万种蛋白质，其中的大部分我们仍旧不知道它们的作用。　　于是有了Emili 和Marcotte的图谱，团队使用最先进的方法，可以提取细胞内数千个分子机器并分析其蛋白构成。然后他们建立了一个类似于社交网站的网络，通过探知未知蛋白与已知蛋白的联结，推知未知蛋白质的功能。例如，未知蛋白与“杂活儿工”蛋白有联结，那么这个未知蛋白极可能也具有细胞修复功能。　　今天这项里程碑式的研究收集了九个物种分子机器的信息，分别包含了面包酵母、阿米巴虫、海葵、苍蝇、蠕虫、海胆、青蛙、老鼠和人类，并由此可以绘制出一个生命树图。这个新的图谱将蛋白质结合体数目扩大到已知的十倍有余，并可以让我们观察到它们如何随着时间进行进化的。　　“对于我来单单是此项研究的规模就足以吸引人们的眼球，我们已知的每个物种的蛋白联结已达到到原先所知的三倍。我们现在通过蛋白质相互作用网络可以非常可靠的预测，所有动物具有超过一百万种蛋白质相互作用，这从根本上来讲是一个巨大的进步。”Emili说，他也是疾病管理生物标记方面的安大略研究会主席、分子遗传学教授。　　研究发现，自从十亿年前原始细胞出现之后，动物生命出现在地球上以前，成千上万种蛋白质协作关系一直保持不变。　　“就蛋白质分布而言，人类与其他物种通常是相同的，这不仅印证了我们拥有共同祖先，也对在基因组学的基础上研究多种疾病以及这些疾病如何存在于不同物种中有实际意义。”Marcotte说。　　在确定人类疾病的可能原因方面，人们已经证明这个图谱是有用的，例如一种新发现的分子机器名为Commander，由十二个单一的蛋白质组成。人们曾发现一些智力障碍患者的机体里具有编码Commander某些组分的基因，但并不清楚这些蛋白质的机制。　　由于Commander存在于所有动物的细胞里，研究生FanTu正在破坏蝌蚪中的蛋白质部件，揭示了胚胎发育阶段脑细胞位置异常，并为复杂的人类起源问题提供了一个可能。　　“有了成千上万种蛋白质相互作用，我们的图谱会帮助人们研究蛋白质相互作用和人类疾病的多种联系，这是我们未来几年的研究方向。”Emili博士总结道。