溶液中蛋白质相互作用分析系统

从中国科学院大连物理研究所官网了解到，近日，中国科学院大连化学物理研究所研究员王方军团队在蛋白质复合物形成和干预机制分析新方法研究方面取得进展，通过溶液状态蛋白质赖氨酸两步稳定同位素标记和定量蛋白质组学分析，实现对蛋白—蛋白识别关键位点区域的精确探测，并可评估小分子对蛋白质复合物的构象识别干预情况。蛋白质的结构和相互作用决定了其生物学功能，目前对溶液状态蛋白—蛋白识别和结构动态变化研究仍然缺乏高灵敏度的分析方法。此前，研究团队发现蛋白质上赖氨酸的原位标记反应性与其所处微观结构中的氢键、静电相互作用强度密切相关；提出以蛋白质上所有赖氨酸位点为内源性反应探针，通过定量赖氨酸在蛋白—蛋白，蛋白—小分子结合前后的标记反应性变化，精确探测蛋白质识别过程中的关键区域。为进一步提高赖氨酸反应性定量分析的通量和灵敏度，该团队进一步发展了溶液状态蛋白质“活性—变性”赖氨酸两步稳定同位素标记定量策略（TILLRP），系统研究了重组SARS-CoV-2 S1蛋白质和人体ACE2受体之间的相互作用情况；发现S1蛋白质RBD Lys386-Lys462区域的赖氨酸位点在S1-ACE2复合物形成前后标记反应性发生了显著改变；提出可以利用该区域赖氨酸的标记反应性调控水平评估小分子活性物质对S1-ACE2识别的干预情况，可能有助于相关治疗药物分子的研发。该研究结果发表在《化学科学》（Chemical Science）上。上述研究工作得到国家自然科学基金、大连化物所创新基金等项目的资助。王方军简介：中国科学院大连化学物理研究所分析化学博士，师从邹汉法研究员，博士生导师，主要研究方向为复杂生物样品高效分离表征：激光-质谱高灵敏度分析、生物分子高校标记与功能解析、翻译后修饰蛋白组学分析。担任中国蛋白质组学专业委员会理事、中国分析测试协会青年学术委员会委员。

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

大家好，本周为大家分享一篇发表在Nat. Struct.上的文章，Towards a structurally resolved human protein interaction network，该文章的通讯作者是瑞典斯德哥尔摩大学的Petras Kundrotas、Arne Elofsson和欧洲分子生物学实验室的Pedro Beltrao。蛋白质-蛋白质相互作用（PPIs）的表征对于理解形成功能单位的蛋白质组和细胞生物学研究的基础是至关重要的。同时，蛋白质复合物的结构表征是理解蛋白质的功能机制、研究突变的影响和研究细胞调控过程的关键步骤。最近，基于神经网络的方法已经被证明了准确预测单个蛋白质和蛋白质复合物的结构的能力；然而，其在大规模预测人类复杂结构中的应用尚未得到有效测试。在此，本文测试了应用AlphaFold2在预测人类蛋白质相互作用结构上的潜力和局限性，并通过实验提示了界面残基中潜在的调节机制。除此之外，本文还提供了使用预测的二元复合物来构建高阶组装的案例，以此拓展了对于人类细胞生物学的理解。人类蛋白质相互作用的结构预测本文基于AlphaFold2的FoldDock管道对65484对来源于HuRI与hu.MAP V.2.0数据库中实验测定的PPIs的结构进行预测。文章合并了一个pDockQ分数，该分数可以根据置信度对模型进行排序。结果显示，已知相互作用蛋白的pDockQ往往高于随机集；对于hu.MAP数据集显示出平均比HuRI数据集更高的可信度，这表明，高可信度模型集中在具有高亲和力和直接相互作用的蛋白质相互作用区域。实验表明，AlphaFold2可以预测大型复合物中直接相互作用的蛋白对的结构（图1）。图1 | AlphaFold2复合物预测在大规模人类PPIs数据集上的应用影响预测置信度的特征如图1a所示，相较于HuRI和hu. MAP数据库中的蛋白质对，出现在蛋白质数据库（PDB）中的蛋白质对更加富集于高分模型部分。为了更好地理解这种差异，本文首先研究了一个由大型（10链）异质蛋白复合物构建的额外数据集。通过实验，结果显示直接相互作用对与间接相互作用对之间pDockQ分数的差异是显著的，这表明与间接相互作用对相比，即使直接相互作用对是大型复合体的一部分，也往往能够被预测。除此之外，由于HuRI数据库中的许多蛋白质间相互作用很可能是短暂的，而AlphaFold2无法可靠地预测这种相互作用（图2）。图2 | 影响预测置信度的蛋白质和相互作用特征：不同数据集的分析预测的复合物结构在化学交联上的验证化学交联结合质谱分析是一种识别蛋白质对中邻近的活性残基的方法，可以用来帮助确定可能的蛋白质界面。为了确定预测的复合物结构是否满足这种正交空间约束，本文获取了528对具有预测模型的蛋白质对的残基对的交联集合。在此章节中，文章提供了多个案例证明了化学交联验证的有效性（图3）。图3 | 对于预测复合物模型的化学交联支持复合物界面上与疾病相关的错义突变与人类疾病相关的错义突变可以通过多种机制改变蛋白质的功能，包括破坏蛋白质的稳定性、变构调节酶活性和改变PPIs。为了确定预测结构的有效性，本文汇编了一组位于界面残基上的突变，这些突变之前曾被实验测试过对于相应相互作用的影响。文章使用FoldX预测突变时结合亲和力的变化，并观察到破坏相互作用的突变强烈影响了结合的稳定性；另外，本文就在一系列生物学功能中具有界面疾病突变的蛋白质网络簇进行了举例说明（图4）。图4 | 蛋白质复合物界面残基的疾病突变蛋白质复合物界面的磷酸化调节蛋白质磷酸化可以通过改变修饰残基的大小和电荷来调节结合亲和力来调节蛋白质的相互作用，将磷酸化位点定位到蛋白质界面可以为它们在控制蛋白质相互作用中的功能作用产生机制假说。本文使用了最近对人类磷酸化蛋白质组26的鉴定，在高置信度模型中鉴定出了界面残基上的4,145个独特的磷酸化位点。实验表明，某些界面可能受到特定激酶和条件的协调调控。虽然不是所有界面上的磷酸位点都可能调节结合亲和力，但这一分析为特定扰动后的相互作用的潜在协调调控提供了假设（图5）。图5 | 界面残基上磷酸化位点的协同调控来自二元蛋白质相互作用的高阶组装蛋白质既能够同时与多个伙伴相互作用组成更大的蛋白复合物，又能够在时间和空间上分离。这也反映在文章的结构特征网络中，即蛋白质可以在群体中被发现，如蛋白质相互作用全局网络视图所示（图6）。由于使用AlphaFold2预测更大的复合物组装可能受到计算需求的限制，文章测试了蛋白质对的结构是否可以迭代结构上对齐。文章在上述网络中覆盖的一组小的复合物上测试了这一过程，并将一个实验确定的结构与预测的模型进行对齐，展示了该过程的潜力和局限性。受测试例子的鼓励，本文定义了一个自动化过程，通过迭代对齐生成更大的模型。总之，文章发现可以迭代地对齐相互作用的蛋白质对的结构来构建更大的组装，但同时也发现了目前限制这一过程的问题。图6 | 对高阶组装的蛋白质复合物的预测结论本文通过一系列的实验评估了应用AlphaFold2预测已知人类PPIs的复杂结构的潜力与局限性。分析结果表明，由亲和纯化、共分馏和互补的方法组合支撑的蛋白质相互作用能够产生更高置信度的模型。文章证明，可以使用模型指标（如pDockQ评分）对高置信度模型进行排序，为大规模PPIs和稳定复合物的详细研究提供支持；而来自交联质谱实验的数据为进一步验证这些预测提供了理想的资源。除此之外，本文用疾病突变和磷酸化数据证明了蛋白质界面的结构模型对于理解分子机制以及突变和翻译后修饰的影响至关重要；最后，文章提出了从预测的二元配合物出发构建更大的组件结构模型的想法。后续仍需要更多的工作来确定确切的化学计量学，设计方法和评分系统来构建如此更大的复杂组件，以及预测具有弱和瞬态相互作用的蛋白质之间的相互作用。参考文献(1) Burke DF, Bryant P, Barrio-Hernandez I, et al. Towards a structurally resolved human protein interaction network [published online ahead of print, 2023 Jan 23]. Nat Struct Mol Biol. 2023 10.1038/s41594-022-00910-8. doi:10.1038/s41594-022-00910-8