小体积蛋白质样品

《自然》选出将在未来一年对科学产生巨大影响的工具和技术。从蛋白质测序到电子显微镜，从考古学到天文学，本文将讲述七项有可能会在未来一年震动科学界的技术。　　单分子蛋白质测序　　蛋白质组体现了细胞或生物体制造的一整套蛋白质，可以提供关于健康和疾病的深入信息，但对蛋白质组的表征仍然是一项挑战性的工作。　　相对于核酸来说，蛋白质是由更多的分子砌块(building blocks)组成的，约有20种天然存在的氨基酸(相比之下，组成DNA和信使RNA等分子的只有4种核苷酸) 因此，蛋白质具有更大的化学多样性。有些蛋白质在细胞中的含量较少 并且与核酸不同，蛋白质不能被扩增 ——这意味着蛋白质分析方法必须使用任何能用的材料。　　大多数蛋白质组学分析使用质谱法，这是一种根据蛋白质的质量和电荷来分析蛋白质混合物的技术。这些谱图可以同时量化数千种蛋白质，但检测到的分子并不总能明确识别，并且混合物中的低丰度蛋白质常常被忽视。现在，能对样本中的许多(甚至全部)蛋白质进行测序的单分子技术可能即将问世，其中许多技术类似于用于DNA的技术。　　德克萨斯大学奥斯汀分校的生物化学家Edward Marcotte正在研究一种这样的技术，称为荧光测序(fluorosequencing)[1]。Marcotte的技术报道于2018年，该技术基于一种逐步的化学过程，在此过程中，单个氨基酸被荧光标记，然后从表面偶联蛋白的末端逐个被剪切下来，此时摄像机会捕捉到所产生的荧光信号。Marcotte解释道：“我们可以用不同的荧光染料标记蛋白质，然后在切割时逐个分子地观察。”去年，位于康涅狄格州的生物技术公司Quantum Si的研究人员描述了一种荧光测序的替代方法，该方法使用荧光标记的“粘合剂”蛋白来识别蛋白质末端的特定氨基酸(或多肽)序列[2]。　　其他研究人员正在开发模仿基于纳米孔的DNA测序技术，根据多肽通过微小通道时引起的电流变化来分析多肽。荷兰代尔夫特理工大学的生物物理学家Cees Dekker及其同事于2021年展示了这样一种方法，他们利用蛋白质制成纳米孔，并能够区分通过纳米孔的多肽中的单个氨基酸[3]。在以色列理工学院，生物医学工程师Amit Meller的团队正在研究由硅基材料制成的固态纳米孔器件，该器件可以同时对许多不同的蛋白质分子进行高通量分析。他说：“你可能可以同时观察数万甚至数百万个纳米孔。”　　尽管目前单分子蛋白质测序只是概念上的验证，但其商业化正在迅速推进。例如，Quantum Si公司已宣布计划今年推出第一代仪器，并且Meller指出，2022年11月在代尔夫特举行的蛋白质测序会议上有一个专门针对该领域初创企业的讨论组。他说：“这让我想起了第二代DNA测序技术面世前的那些日子。”　　Marcotte是德克萨斯州奥斯汀市蛋白质测序公司Erisyon的联合创始人，他对此持乐观态度。他说：“这已经不是个行不行的问题，而是这项技术几时能送到人们手上。”　　詹姆斯韦勃太空望远镜　　天文学家们从去年开始就翘首以盼，兴奋不已。经过20多年的精心设计和建造，美国国家航空航天局(NASA)与欧洲航天局和加拿大航天局合作，于2021年12月25日成功将詹姆斯韦布太空望远镜(James Webb Space Telescope，缩写JWST)送入轨道。因为仪器设备需要展开并确定第一轮观测的位置，全世界不得不等待了近七个月，JWST才开始正常工作。　　等待是值得的。马里兰州巴尔的摩市太空望远镜科学研究所天文学家、JWST的望远镜科学家Matt Mountain表示，最初传来的图像超出了他的最高预期。“实际上天空并不空旷——到处都是星系，”他说，“理论上我们知道这一点，但真正看到这一景象带来了别样的情感冲击。”　　詹姆斯韦布太空望远镜(James Webb Space Telescope)的6.5米主镜片(图中展示了18片镜片中的6片)可以探测数十亿光年外的物体。资料来源：NASA/MSFC/David Higginbotham　　JWST的设计是为了接替哈勃太空望远镜的工作。哈勃望远镜可以看到令人惊叹的宇宙景象，但也有盲点：它基本上无法看见在红外范围内具有光信号的古老恒星和星系。要弥补这一点，需要一台高灵敏度的仪器，其灵敏度要能够探测到数十亿光年外发出的极为微弱的红外信号。　　JWST的最终设计包括18个完全光滑的铍质镜片阵列，当其完全展开时，直径为6.5米。Mountain说，这些反射镜的设计非常精密，“要是把一块镜面等比放大到美国那么大，上面的隆起也不超过几英寸(高)。”这些反射镜配有最先进的近红外和中红外探测器。　　这一设计使JWST能够填补哈勃望远镜的空白，包括捕获来自一个有135亿年历史的星系发出的信号，该星系产生了宇宙中最早的一些氧和氖原子。JWST也带来了一些惊喜，例如，它能够测量某些类型的系外行星的大气组成。　　世界各地的研究人员都在排队等待观察时间。英国卡迪夫大学的天体物理学家Mikako Matsuura正在用JWST进行两项研究，调查宇宙尘埃的产生和破坏，这些尘埃可能会导致恒星和行星的形成。Matsuura说，与她所在小组过去使用的望远镜相比，“JWST拥有完全不同的灵敏度和清晰度等级”。她说：“我们看到了这些天体内部正在发生的完全不同的现象——这真令人叹为观止。”　　体积电子显微镜　　电子显微镜(Electron microscopy，EM)以其卓越的分辨率而闻名，但观察的主要是样本的表面。深入研究样本的内部需要将样本切成非常薄的切片，这对于生物学家来说往往不够。伦敦弗朗西斯克里克研究所(Francis Crick Institute)的电子显微镜学家Lucy Collinson解释说，仅覆盖单个细胞的体积就需要200个切片。她说：“如果你只有一个[切片]，你就是在玩统计把戏。”　　现在，研究人员正在将EM的分辨率应用于包含多个立方毫米体积的3D组织样本上。　　此前，从2D的EM图像重建这样体积的样本(例如，绘制大脑的神经连接图)需要经历艰苦的样本准备、成像和计算过程，才能将这些图像转换为多图像堆叠。现在，最新的“体积电子显微镜”技术大大简化了这一过程。　　这些技术有各种优点和局限性。连续切面成像(Serial block-face imaging)是一种相对快速的方法，它使用金刚石刀片在树脂包埋样品上切下一系列薄片，并进行成像，可以处理约1立方毫米大小的样品。然而，它的深度分辨率较差，这意味着生成的体积重建将相对模糊。聚焦离子束扫描电子显微镜(Focused ion beam scanning electron microscopy，FIB-SEM)能制备更薄的薄片样品，因此深度分辨率更高，但更适用于体积较小的样品。　　Collinson将体积电子显微镜的兴起描述为一场“安静的革命”，因为研究人员专注于用这种方法得到的结果，而不是生成这些结果的技术。但这正在改变。例如，2021年，弗吉尼亚州珍利亚研究园区(Janelia Research Campus)从事电子显微镜中细胞器分割(Cell Organelle Segmentation in Electron Microscopy，COSEM)计划的研究人员在《自然》上发表了两篇论文，聚焦了在绘制细胞内部结构方面取得的重大进展[4,5]。“这是一个绝佳的原理论证。”Collinson说。　　COSEM研究计划使用精密的定制FIB-SEM显微镜，在保持良好空间分辨率的同时，可将单个实验中可成像的体积增加约200倍。将这些仪器与深度学习算法结合使用，该团队能够在各种细胞类型的完整3D体积中定义各种细胞器和其他亚细胞结构。　　这种样品制备方法费力且难以掌握，并且由此产生的数据集非常庞大。但这一努力是值得的：Collinson已经看到了该技术在传染病研究和癌症生物学方面产生的见解。她现在正在与同事们合作，探索以高分辨率重建整个小鼠大脑的可行性。她预计这项工作将需要十多年的时间，花费数十亿美元，并产生5亿GB左右的数据。她说：“这可能与绘制第一个人类基因组工作的数据量在一个数量级。”　　CRISPR无限可能　　基因组编辑工具CRISPR–Cas9作为在整个基因组的目标位点引入特定变化的首选方法，在基因治疗、疾病建模和其他研究领域取得了突破，无可非议地享有盛誉。但它的用途多受限制。现在，研究人员正在寻找规避这些限制的方法。　　CRISPR编辑由短链向导RNA(short guide RNA，sgRNA)协调，sgRNA将相关的Cas核酸酶导向其目标基因组序列。但这种酶发挥作用还需要在靶点附近有一种叫做原间隔序列邻近基序(protospacer adjacent motif，PAM)的序列 如果没有PAM，基因编辑很可能会失败。　　在波士顿的马萨诸塞州总医院，基因组工程师Benjamin Kleinstover利用蛋白质工程技术，从化脓性链球菌中制造出常用Cas9酶的“近乎不受PAM序列限制的(near-PAMless)”Cas变体。一个Cas变体需要由三个连续核苷酸碱基组成的PAM，其中腺嘌呤(A)或鸟嘌呤(G)核苷酸位于中间位置[6]。“这些酶现在几乎可以读取整个基因组，而传统的CRISPR酶只读取1%到10%的基因组。”Kleinstover说。　　这种对PAM序列不太严格的要求，增加了编辑“脱靶”的机会，但进一步的蛋白质工程设计可以提高其特异性。作为一种替代方法，Kleinstiver的团队正在设计和测试大量Cas9变体，每个变体对不同的PAM序列表现出高度的特异性。　　还有许多天然存在的Cas变体有待发现。自然条件下，CRISPR–Cas9系统是一种针对病毒感染的细菌防御机制，不同的微生物进化出了具有不同PAM序列偏好的各种酶。意大利特伦托大学的病毒学家Anna Cereseto和微生物组研究人员Nicola Segata梳理了100多万个微生物基因组，鉴定和表征了一组多样的Cas9变体，他们估计这些变体可能总共可以针对98%以上的已知人类致病突变[7]。　　然而，其中只有少数能在哺乳动物细胞中发挥作用。Cereseto说：“我们的想法是测试许多种酶，看看是什么决定因素使这些酶正常工作。”从这些天然酶库和高通量蛋白质工程工作中获得的见解来看，Kleinstiver说，“我认为我们最终会有一个相当完整的编辑工具箱，能让我们编辑任何我们想要的碱基。”　　高精度放射性碳测年　　去年，考古学家利用放射性碳测年技术的进步，对维京探险家首次抵达美洲的确切年份——甚至是季节——进行了研究。荷兰格罗宁根大学的同位素分析专家Michael Dee和他的博士后Margot Kuitems带领的一个团队在加拿大纽芬兰岛北岸的一个聚落中发现了一些被砍伐的木材，通过对这些木材的研究，确定这棵树很可能在1021年被砍伐，而且可能是在春天[8]。　　自20世纪40年代以来，科学家一直在利用有机人工制品的放射性碳测年法来缩小历史事件发生的时间范围。他们通过测量同位素碳-14的痕迹来做到这一点，碳-14是宇宙射线与地球大气相互作用的结果，在数千年中缓慢衰变。但这种技术的精确度通常仅为几十年左右。　　加拿大纽芬兰省兰塞奥兹牧草地(L'Anse aux Meadows)木材的精确放射性碳年代测定显示，维京人于1021年在此地砍倒了一棵树。图片来源：All Canada Photos/Alamy　　2012年，情况发生了变化，日本名古屋大学物理学家三宅芙沙(Fusa Miyake)领导的研究小组发现[9]，公元774到775年之间，日本雪松年轮中碳-14含量显著升高。随后的研究[10]不仅证实了这一时期世界各地的木材样本中都存在这种碳-14含量的显著升高，而且还发现历史上存在至少五次这样的碳-14含量上升，最早的一次可以追溯到公元前7176年。有研究人员将这些碳-14峰值与太阳风暴活动联系起来，但这一假设仍在探索中。　　无论其原因是什么，这些“三宅事件”的存在，能让研究人员通过检测一个特定的三宅事件，然后对此后形成的年轮进行计数，从而准确地确定木制文物的制造年份。Kuitems说，研究人员甚至可以根据最外圈年轮的厚度来确定树木被砍伐的季节。　　考古学家现在正在将这种方法应用于新石器时代聚落和火山爆发遗址的研究，Dee希望用它来研究中美洲的玛雅帝国。在接下来的十年左右，Dee乐观地认为，“我们将对这些古老文明中的许多历史事件有真正精确到年代的完全记录，我们将能够以相当精细的时间尺度谈论这些历史发展。”　　至于三宅，则还在继续寻找历史中的时间标尺。她说：“我们现在正在寻找过去一万年中与公元774到775年的事件相当的其他碳-14升高。”　　单细胞代谢组学　　代谢组学是研究驱动细胞的脂质、碳水化合物和其他小分子的科学，它最初是一套表征细胞或组织中代谢产物的方法，但现在正在转向单细胞水平。科学家们可以利用这些细胞水平的数据，理清大量看似相同的细胞的功能复杂性。但这一转变带来了艰巨的挑战。　　代谢组包含大量具有不同化学性质的分子。欧洲分子生物学实验室的代谢组学研究人员Theodore Alexandrov说，其中一些分子存在的时间非常短暂，代谢周转率为亚秒级别。它们可能很难检测：尽管单细胞RNA测序可以捕获细胞或生物体中产生的近一半的RNA分子(转录组)，但大多数代谢分析仅涵盖细胞代谢产物的一小部分。这些缺失的信息里可能包含了重要的生物学奥秘。　　“代谢组实际上是细胞的活性部分。”伊利诺伊大学厄巴纳-香槟分校的分析化学家Jonathan Sweedler说，“在疾病状态下，如果你想知道细胞状态，你真的要研究代谢产物。”　　许多代谢组学实验室使用分离的细胞，这些细胞被捕获在毛细管中，使用质谱法单独分析。相比之下，“成像质谱”方法获取了样本中不同位置的细胞代谢产物发生变化的空间信息。例如，研究人员可以使用一种称为基质辅助激光解吸/电离(MALDI)的技术，其中激光束扫过经特殊处理的组织切片，释放出代谢产物，用于随后的质谱分析。这种方法也能捕获样本中代谢物来源的空间坐标。　　Sweedler说，理论上，这两种方法都可以量化数千个细胞中的数百种化合物，但要实现这一目标通常需要顶级的定制硬件设备，成本在百万美元左右。　　现在，研究人员正在普及这项技术。2021年，Alexandrov团队报道了SpaceM，这是一种开源软件工具，它能用光学显微镜成像数据，使用标准商用质谱仪对培养的细胞进行空间代谢组学分析[11]。他说：“我们算是做了数据分析部分的体力活。”　　Alexandrov的团队使用SpaceM对数以万计人和小鼠细胞中的数百种代谢产物进行了分析，并转向标准的单细胞转录组学方法将这些细胞分类。Alexandrov表示，他尤为热情的是后一项工作，以及构建“代谢组学图谱”的想法——类似于为转录组学开发的图谱，以加速该领域的进展。他说：“这绝对是一个前沿领域，并将对科学起到巨大的推动作用。”　　体外胚胎模型　　研究人员现在可以在实验室中制造出人工合成胚胎(下图)，它与8天大的自然胚胎(上图)类似。来源：Magdalena Zernicka Goetz实验室　　科学家们已经在小鼠和人类的细胞水平上详细描绘了从受精卵到完全形成的胚胎这一过程。但驱动这一过程早期阶段的分子机制仍不清楚。现在，“胚状体”模型的一系列活动有助于填补这些知识空白，让研究人员更清楚地了解可以决定胎儿发育成败的重要早期事件。　　该领域一些最精细的模型，来自加州理工学院和英国剑桥大学的发育生物学家Magdalena Zernicka Goetz的实验室。2022年，她和她的团队证明，他们可以完全从胚胎干细胞(embryonic stem cells，ES细胞)中产生植入期的小鼠胚胎[12,13]。　　与所有多能干细胞一样，ES细胞可以形成任何细胞或组织类型，但它们需要与两种类型的胚外细胞密切相互作用才能完成正常的胚胎发育。Zernicka-Goetz团队研究出了诱导ES细胞形成这些胚外细胞的方法，并表明这些细胞可以与ES细胞共培养，以产生胚胎模型，该模型的成熟度是以前的体外实验无法达到的。“它就如你能想象的胚胎模型那样。”Zernicka Goetz说，“我们的胚胎模型发育出一个头部和心脏——而且还在跳动。”她的团队能够利用这个模型来揭示个别基因的改变如何破坏正常的胚胎发育。　　经过工程设计用于模拟胚胎8细胞期的细胞构成的胚状体。来源：M.A Mazid et al./Nature　　在中国科学院广州生物医药与健康研究院，干细胞生物学家Miguel Esteban和同事们正在采取一种不同的策略：重新编程人类干细胞，以模拟最早的发育阶段。　　Esteban说：“我们最初的想法是，实际上甚至制造合子也是可能的。”该团队没能完全实现这一点，但他们的确发现了一种培养策略，能使这些干细胞回到类似于8细胞期人类胚胎的状态[14]。这是一个至关重要的发育期里程碑，与基因表达的巨大变化相关，最终产生不同的胚胎细胞和胚外细胞谱系。　　尽管还不完美，但Esteban的模型展示了自然状态下8细胞期胚胎中细胞的关键特征，并凸显了人类和小鼠胚胎如何启动向8细胞期阶段转变之间的重要差异。Esteban说：“我们发现，一种甚至在小鼠体内都没有表达的转录因子，调节着整个转化过程。”　　结合起来，这些模型可以帮助研究人员描绘出仅仅几个细胞是如何发育为高度复杂的脊椎动物躯体的。　　在许多国家，对人类胚胎的研究只能在发育14天以内进行，但在这些限制条件下，研究人员仍有许多工作可做。Esteban说，非人类灵长类动物模型提供了一种可能的替代方案，而Zernicka-Goetz说，她的小鼠胚胎策略也可以产生发育到第12天的人类胚胎。她说：“在这个我们能研究的胚胎阶段，仍有很多问题有待提出。”　　参考文献：　　1. Swaminathan, J. et al. Nature Biotechnol.36, 1076–1082 (2018).　　2. Reed, B. D. et al. Science 378, 186–192 (2022).　　3. Brinkerhoff, H., Kang, A. S. W., Liu, J., Aksimentiev, A. & Dekker, C. Science 374, 1509–1513 (2021).　　4. Heinrich, L. et al. Nature 599, 141–146 (2021).　　5. Xu, C. S. et al. Nature 599, 147–151 (2021).　　6. Walton, R. T., Christie, K. A., Whittaker, M. N. & Kleinstiver, B. P. etal. Science 368, 290–296 (2020).　　7. Ciciani, M. et al. Nature Commun. 13, 6474 (2022).　　8. Kuitems, M. et al. Nature 601, 388–391 (2022).　　9. Miyake, F., Nagaya, K., Masuda, K. & Nakamura, T. Nature 486, 240–242 (2012).　　10. Brehm, N. et al. Nature Commun. 13, 1196 (2022).　　11. Rappez, L. et al. Nature Methods 18, 799–805 (2021).　　12. Amadei, G. et al. Nature 610, 143–153 (2022).　　13. Lau, K. Y. C. et al. Cell Stem Cell 29, 1445–1458 (2022).　　14. Mazid, M. A. et al. Nature 605, 315–324 (2022).　　原文以Seven technologies to watch in 2023为标题发表在2023年1月23日《自然》的技术特写版块上

研究蛋白质热稳定性的几种方法蛋白跟核酸不一样，核酸都是由四个碱基组成，只是组成的顺序不一样，但是整体的结构都是类似的双螺旋结构。而蛋白由20多种不同氨基酸组成，需要折叠成正确的三维结构才能发挥自身作用。所以每个不同功能的蛋白长得样子其实都是不同的。蛋白的高级结构决定其功能，行使功能需要正确折叠。蛋白由20多种不同氨基酸组成，需要折叠成正确的三维结构才能发挥自身作用。蛋白质在一定的物理和化学条件（加热、加压、脱水、振荡、紫外线照射、超声波、强酸、强碱、尿素、重金属盐、十二烷基硫酸钠）下，其空间构象容易发生改变而失活，因此研究蛋白的构象和构型变化对其应用有重要的价值。蛋白质的变性作用主要是由于蛋白质分子内部的结构被破坏。天然蛋白质的空间结构是通过氢键等次级键维持的，而变性后次级键被破坏，蛋白质分子就从原来有序的卷曲的紧密结构变为无序的松散的伸展状结构（但一级结构并未改变）。热变性是蛋白质变性中最常见的一类现象。蛋白质的热稳定性是指蛋白质多肽链在温度影响下的形变能力，主要体现在温度改变时多肽链独特的化学特性和空间构象的变化，变化越小热稳定性越高。蛋白质的热稳定性受到不同温度、pH值、离子强度等外界因素的影响，在生物技术、药物研发以及食品工业等领域，具有重要意义。蛋白质变性温度是生物学家们研究蛋白质的热稳定性的一个重要的概念，是指蛋白质在特定温度条件下受到热力作用时，其结构发生变化的温度点，一般温度较高时，蛋白质从稳定的三维结构变化成松散的无序结构。蛋白质的热稳定性一般使用热变性中点温度(meltingtemperature，Tm)来表示，即蛋白质解折叠50%时的温度。蛋白质的热变性过程与其空间构象的改变密切相关，Tm值能反映变温过程中蛋白质构象改变的趋势，是衡量蛋白质热稳定性的一个重要指标。蛋白质Tm值的测定在生物医药行业具有广泛的应用，如嗜热蛋白、工业酶等的改造与筛选，蛋白质药物与配体、制剂或辅料的相互作用，蛋白质药物的缓冲液稳定条件筛选等。目前，许多多种方法可以用来测量蛋白质的变性温度，如圆二色光谱法(circulardichroism，CD)、差示扫描量热法(differentialscanningcalorimetry，DSC)、动态光散射法（DynamicLightScattering）和差示扫描荧光法(differentialscanningfluorimetry，DSF)等。 目前，许多多种方法可以用来测量蛋白质的变性温度，如圆二色光谱法(circulardichroism，CD)、差示扫描量热法(differentialscanningcalorimetry，DSC)、动态光散射法（DynamicLightScattering）和差示扫描荧光法(differentialscanningfluorimetry，DSF)等。 01 圆二色谱法（CD）圆二色光谱（简称CD），或红外（傅里叶变换红外（FourierTransformInfrared，FTIR）光谱），是应用最为广泛的测定蛋白质二级结构的方法，是研究稀溶液中蛋白质构象的一种快速、简单的方法。圆二色谱法诞生于20世纪60年代，其原理是利用左、右两束偏振光透过具有手性结构的生物大分子等活性介质，获得的圆二色谱来分析其结构特点，是蛋白质、核酸、糖类等生物大分子二级结构分析的常规手段之一。蛋白由α螺旋和β折叠构成，α螺旋和β折叠在红外和紫外光段有特异的光吸收。蛋白质对左旋和右旋圆偏振光的吸收存在差异，利用远紫外区（190~260nm）的光谱特征能够快速分析出溶液中蛋白质的二级结构，进而分析和辨别出蛋白质的三级结构类型，变温过程中测量蛋白等物质的圆二色谱，能反映其随温度升高结构变化的趋势。此外，通过测定蛋白质在不同温度下的平均残基摩尔椭圆度[θ]可以获得蛋白质的Tm值。特点：圆二色光谱（CD）适用于测定稀释溶液的热稳定性，操作相对简单，成本较低。但是相关仪器很昂贵，对缓冲液要求也高，要求溶液不能有任何的紫外吸收，也很难做到高通量检测。 02差示扫描量热法（DSC） 蛋白变性时会有温度变化，检测温度变化就能知道蛋白变性程度。差示扫描量热法的应用始于20世纪60年代，是在程序控温下，通过测量输给待测物和参比物的功率差与温度的关系，以获得吸放热量的技术。差示扫描量热法能定量测量热力学参数，可提供与蛋白质热变性过程中构象变化有关的热效应信息。差示扫描量热法（DSC）是一个很经典的一个技术，基于的蛋白变性过程中对热量的吸收。蛋白是有三维结构的，比如氢键，疏水键，范德华力。一旦通过加热然后把结构破坏掉，需要吸收热量。所以可以测量热量变化，就是加热结构变化过程中的热量吸收。通过对参照物和样品同时进行升温或冷却处理，测定两者为保持相同温度所产生的热量差，从而计算蛋白质的Tm值。特点：差示扫描量热法（DSC）能够提供直接的热量变化数据，定量准确、操作简便。但检测通量低、耗时较长，需要的样品体积和浓度比较大。相关仪器中最核心的部件是样品池，对周围环境要求极高。 03 动态光散射法（DLS）动态光散射是基于光学的方法，检测的是蛋白变性之后会发生聚集，导致颗粒的大小发生改变，对散射信号的影响。蛋白在变性过程中，从一个规则高级折叠结构打开，变成一个线性的松散结构。本来外部是亲水的氨基酸，内部是疏水的氨基酸。一旦打开之后，这些疏水的氨基酸会相互就是结合到一起。就是因为疏水的一个相互作用，然后变成一个球状聚集体。此过程会引起这个光的散射的变化。基于动态光散射的信号随着加热的过程的变化就代表粒径的变化，可以计算出蛋白质的Tm值。动态光散射用于表征蛋白质、高分子、胶束、糖和纳米颗粒的尺寸。如果系统是单分散的，颗粒的平均有效直径可以求出来，这一测量取决于颗粒的心，表面结构，颗粒的浓度和介质中的离子种类。DLS也可以用于稳定性研究，通过测量不同时间的粒径分布，可以展现颗粒随时间聚沉的趋势。随着微粒的聚沉，具有较大粒径的颗粒变多。同样，DLS也可以用来分析温度对稳定性的影响。特点：动态光散射可以做到孔板式的检测，具有比较高的通量。但是对于某些样品的检测有限制，因为并不是所有的蛋白在变异之后都会形成这种聚集体，而有一些可能需要很高的浓度才会提升，浓度较低条件下，就观察不到粒径的变化。 04 外源差示扫描荧光法（DSF）差示扫描荧光（DSF）也被称为热荧光法（ThermoFluor），是一种经济高效且易于使用的生物物理技术，通过检测当温度升高或变性剂存在时荧光发射光谱的相应变化来确定蛋白质的变性温度(热变性温度Tm值或化学变性Cm值)。Pantoliano等最先应用此技术测定了上百种蛋白质的热稳定性。差示扫描荧光法分为添加外源荧光染料与不添加荧光染料两种方式，都是利用加热使蛋白内部疏水基团暴露这一特点进行检测Tm值。传统DSF经常使用350/330比值法来进行数据分析根据荧光源不同分为内源荧光DSF和外源荧光染料DSF。基于外源染料荧光的DSF其原理是利用能与蛋白内部疏水基团相互作用的染料为荧光源。蛋白质加热变性后疏水基团暴露，疏水基团与亲和性染料结合产生荧光信号，检测荧光强度变化测定蛋白质的Tm值。特点：借助荧光定量PCR适用于高通量筛选，信号强度可控，灵敏度和准确性都较高。但添加的外源染料可能会对蛋白质结构和功能产生影响，且操作较复杂，不适用于所有蛋白研究。比如做膜蛋白研究时，溶液环境中需要添加双亲性的分子，一端疏水一端亲水。这种情况荧光分子会直接结合到疏水端，导致直接产生荧光信号。并且染料种类的选择、浓度的选择也很繁琐。外源荧光染料DSF也可能会产生背景荧光以及非特异吸附等假阳性结果。 05 内源差示扫描荧光法（inDSF）内源差式扫描荧光inDSF，基于蛋白质中特定氨基酸的荧光特性。这些氨基酸的荧光强度与其所处的微环境密切相关，因此，当蛋白质的结构发生变化时，这些氨基酸的荧光信号也会随之改变。不需要额外的荧光染料加入到检测体系中，利用蛋白内部芳香族氨基酸的自发光原理。不需要任何额外的标记或固定步骤，避免引入结果的不确定性。研究发现，蛋白质分子中芳香环氨基酸在处于不同极性的微环境时(如疏水或亲水环境中)，其被激发的内源荧光的最大发射光谱会发生位移。蛋白质中内源荧光主要来自含芳香环氨基酸如色氨酸(Trp)，苯丙氨酸(Phe)和酪氨酸(Tyr)，其中以色氨酸内源荧光最强。当它在蛋白内部时，发射光主要在330波段，当蛋白一旦去折叠，暴露在溶剂中，发出的光就会从330波长红移到350。所以通过280激发，检测330/350的比值变化，就能测量蛋白质的Tm值。以色氨酸为例，在蛋白质疏水的内核微环境中，其内源荧光最大发射波长在330nm左右，而在亲水的极性微环境中，色氨酸的内源荧光最大发射波长则出现在350nm左右。蛋白质热变性或者化学变性通常会导致色氨酸残基周围微环境的极性发生变化，使通常被包埋于蛋白质疏水内核的色氨酸逐渐暴露于亲水的环境中，从而导致发射内源荧光最大发射波长发生红移(RedShift)，即向更大的波长区域移动。特点：内源差式扫描荧光DSF无需复杂的样品处理或标记步骤，实验过程简单方便。但不是所有蛋白质都含有足够的荧光基团，所以对于部分样品检测灵敏度不够，且检测可能会受其他基团影响。 06 技术对比总结总得来说，DSF和DLS法在样品用量及测定效率上更有优势，比较适合进行高通量筛选。但DSF法需要样品含有色氨酸、酪氨酸或额外添加荧光染料，这可能会对样品测量范围带来一定限制，DLS对样品浓度有要求。DLS还可以获取聚集体粒径大小的信息。DSC法虽然在样品用量与检测效率上不及DSF，但作为量热的经典方法仍是不可缺少的Tm值测量手段，在进行批量样品的热稳定性筛选时，可以使用DSF法初筛，DSC法复筛。此外，DSC能测定蛋白质变性过程中的热容变化ΔCp、焓变ΔH、解折叠自由能ΔG、玻璃态转变温度、分子流动临界温度等其他重要热力学参数。CD作为检测蛋白二级结构的经典方法，在Tm值测定方面具有其独特优势和一定的局限性，也是研究加热过程中蛋白结构改变的重要方法。蛋白质Tm值测定具有重要的实际应用价值，例如辅助生物药物开发、生产和质量控制，评估生物相似性、优化蛋白药物配方等，还可以作为探索蛋白质高级结构的手段之一指导蛋白质工程，如比较不同突变对蛋白质稳定性的影响，研究结构域改变与功能活性改变关联性等。比较不同Tm值测定方法，全面了解技术特点及测量效果对于Tm值测定的实际应用具有一定的指导意义，在科研或生产工作中可以灵活选用或联用多种技术来阐明不同条件下的结构变化特点。 07 国产蛋白稳定性分析仪PSA-16 北京佰司特科技有限责任公司于2023-10-01日推出了自主研发的第一款国产蛋白稳定性分析仪，该设备性能和参数达到进口设备的水平，价格却远低于进口产品，弥补了目前国产自主设备在蛋白稳定性专业研究分析领域的空白。多功能蛋白稳定性分析仪PSA-16是一款无需荧光染料、高通量、低样品消耗量的检测蛋白质稳定性的设备。该设备基于内源差示扫描荧光技术（intrinsic fluorescence DSF），通过检测温度变化/变性剂浓度变化过程中蛋白内源紫外荧光的改变，获得蛋白质的热稳定性(Tm值)、化学稳定性（Cm值）等参数。可应用于蛋白缓冲液条件筛选及优化、小分子与蛋白结合情况的定性测定、蛋白质修饰及改造后的稳定性测定、蛋白变/复性研究、不同批次间蛋白稳定性对比等多个方面。 多功能蛋白稳定性分析仪PSA-16应用涵盖植物、生物学、动物科学、动物医学、微生物学、工业发酵、环境科学、农业基础、蛋白质工程等多学科领域。蛋白质是最终决定功能的生物分子，其参与和影响着整个生命活动过程。现代分子生物学、环境科学、动医动科、农业基础等多种学科研究的很多方向都涉及蛋白质功能研究，以及其下游的各种生物物理、生物化学方法分析，提供稳定的蛋白质样品是所有蛋白质研究的先决条件。因此多功能蛋白稳定性分析仪PSA-16在各学科的研究中都有重要的意义。1. 抗体或疫苗制剂、酶制剂的高通量筛选2. 抗体或疫苗、酶制剂的化学稳定性、长期稳定性评估、等温稳定性研究等3. 生物仿制药相似性研究（Biosimilar Evaluation）4. 抗体偶联药物（ADC）研究5. 多结构域去折叠特性研究6. 物理和化学条件强制降解研究7. 蛋白质变复性研究（复性能力、复性动力学等）8. 膜蛋白去垢剂筛选，膜蛋白结合配体筛选（Thermal Shift Assay）9. 基于靶标的高通量小分子药物筛选（Thermal Shift Assay）10. 蛋白纯化条件快速优化等

测定蛋白质浓度的方法有很多，科研工作者广泛使用的方法比如紫外吸收法，双缩脲法，BCA方法，Lowry法，考马斯亮蓝法，凯氏定氮法等等 ，今天小编以UV法，BCA法，考马斯亮蓝法，其中的三种方法的测定蛋白质浓度的原理、优缺点、操作以及注意事项做详细介绍。UV法这种方法是在280nm波长，直接测试蛋白。选择Warburg 公式，光度计可以直接显示出样品的浓度，或者是选择相应的换算方法，将吸光值转换为样品浓度。蛋白质测定过程非常简单，先测试空白液，然后直接测试蛋白 质。从而显得结果很不稳定。蛋白质直接定量方法，适合测试较纯净、成分相对单一的蛋白质。紫外直接定量法相对于比色法来说，速度快，操作简单；但是容易受 到平行物质的干扰，如DNA的干扰；另外敏感度低，要求蛋白的浓度较高。（1）简易经验公式 蛋白质浓度(mg/ml) = [1.45*OD280-0.74*OD260 ] * Dilution factor（2）精确计算 通过计算OD280/OD260的比值，然后查表得到校正因子F，再通过如下公式计算最终结果：蛋白质浓度(mg/ml) = F *(1/d) *OD 280 * D，其中d为测定OD值比色杯的厚度，D为溶液的稀释倍数BCA法原理：BCA（bicinchonininc acid）与二价铜离子的硫酸铜等其他试剂组成的试剂混合一起即成为苹果绿，即 BCA 工作试剂。在碱性条件下，BCA 与蛋白质结合时，蛋白质将 Cu2+ 还原为 Cu+，工作试剂由原来的苹果绿色变为紫色复合物。562 nm 下其光吸收强度与蛋白质浓度成正比。BCA 蛋白浓度测定试剂盒，Abbkine的蛋白质定量试剂盒（BCA法）提供一个简单，快捷，兼容去污剂的方法，准确定量总蛋白。成分试剂 A100 mL试剂 B2 mL标准蛋白（BSA）1 mL×2，1 mg/mL保存条件 运输温度：室温（标准蛋白 4～8 ℃ 运输）保存温度：室温（标准蛋白 -20 ℃ 保存）有效日期：12 个月使用方法方法一：96 孔板1. 配制 BCA 工作液：根据标准品和样品数量，按 50 体积试剂 A，1 体积试剂 B 配制适量 BCA 工作液。充分混匀。2. 将蛋白标准品按 0 μL，1 μL，2 μL，4 μL，6 μL，8 μL，10 μL 加入 96 孔板的蛋白标准品孔中。加灭菌双蒸水补足到 10 μL。取 10 μL 待测样品加入 96 孔板的待测样品孔中。每个测定要做 2～3 个平行。3. 向待测样品孔和蛋白标准品孔中各加入 200 μL BCA 工作液（即样品与工作液的体积比为 1:20），混匀。4. 37 ℃ 温浴 30 min。冷却至室温。5. 酶标仪 562 nm 波长下测定吸光度。6. 制作标准曲线。从标准曲线中求出样品浓度。方法二：试管法1. 配制工作液：根据标准品和样品数量，按 50 体积试剂 A，1 体积试剂 B 配制适量 BCA 工作液，充分混匀。工作液配制的量要与测定所用的比色杯对应。每个测定要做 2～3 个平行。本处列举的比色体系所用的是 0.5 mL 的比色杯。如比色杯规格不同，体系需要放大到实验将采用的比色杯准确读数所需要的体积。2. BSA 标准品和样品的准备：样品用水或其它不干扰显色反应的缓冲液配制，使待测定的浓度位于标准曲线的线性部分。每个反应准备 3 个平行测定。标准曲线一般 5~6 个点即可。根据样品的估测浓度确定各点的具体浓度。稀释 BSA 时可以用水或与样品一致的溶液。如待测样品的浓度约为 200 μg/mL，可按下表的次序加入 BSA 标准品、样品及 BCA 工作液。3. 取适量体积的标准蛋白，以蛋白液：工作液=1:20 的比例混匀。37 ℃ 温浴 30 min。冷却至室温。4. 将样品与标准品在 562 nm波长下测定吸光度。考马斯亮蓝法实验原理：考马斯亮蓝 (Coomassie Brilliant Blue) 法测定蛋白质浓度，是利用蛋白质―染料结合的原理，定量测定微量蛋白浓度快速、灵敏的方法。这种蛋白质测定法具有超过其他几种方法的突出优点，因而正在得到广泛的应用。目前，这一方法是也灵敏度最高的蛋白质测定法之一。考马斯亮蓝 G-250 染料，在酸性溶液中与蛋白质结合，使染料的最大吸收峰 (lmax) 的位置，由 465 nm 变为 595 nm，溶液的颜色也由棕黑色变为蓝色。通过测定 595 nm 处光吸收的增加量可知与其结合蛋白质的量。研究发现，染料主要是与蛋白质中的碱性氨基酸 (特别是精氨酸) 和芳香族氨基酸残基相结合。突出优点（1）灵敏度高，据估计比 Lowry 法约高四倍，其最di蛋白质检测量可达 1 mg。这是因为蛋白质与染料结合后产生的颜色变化很大，蛋白质-染料复合物有更高的消光系数，因而光吸收值随蛋白质浓度的变化比 Lowry 法要大的多。（2）测定快速、简便，只需加一种试剂。完成一个样品的测定，只需要 5 分钟左右。由于染料与蛋白质结合的过程，大约只要 2 分钟即可完成，其颜色可以在 1 小时内保持稳定，且在 5 分钟至 20 分钟之间，颜色的稳定性最好。因而完全不用像 Lowry 法那样费时和需要严格地控制时间。（3）干扰物质少。如干扰 Lowry 法的 K+、Na+、Mg2+ 离子、Tris 缓冲液、糖和蔗糖、甘油、巯基乙醇、EDTA 等均不干扰此测定法。缺点（1）由于各种蛋白质中的精氨酸和芳香族氨基酸的含量不同，因此考马斯亮蓝染色法用于不同蛋白质测定时有较大的偏差，在制作标准曲线时通常选用 g-球蛋白为标准蛋白质，以减少这方面的偏差。（2）仍有一些物质干扰此法的测定，主要的干扰物质有：去污剂、 Triton X-100、十二烷基硫酸钠 (SDS) 等。试剂与器材1、试剂 考马斯亮蓝试剂：考马斯亮蓝 G-250 100 mg 溶于 50 mL 95% 乙醇中，加入 100 mL 85% 磷酸，用蒸馏水稀释至 1000 mL。2、标准和待测蛋白质溶液（1）标准蛋白质溶液结晶牛血清蛋白，预先经微量凯氏定氮法测定蛋白氮含量，根据其纯度用 0.15 mol/L NaCl 配制成 1 mg/mL 蛋白溶液。（2）待测蛋白质溶液。 人血清，使用前用 0.15 mol/L NaCl 稀释 200 倍。3、器材 试管 1.5×15 cm（×6），试管架，移液管管 0.5 mL（×2） 1 mL（×2） 5 mL（×1）；恒温水浴；分光光度计。操作方法 一、制作标准曲线 取 7 支试管，按下表平行操作。摇匀，1 h 内以 0 号管为空白对照，在 595 nm 处比色。绘制标准曲线：以 A595 nm 为纵坐标，标准蛋白含量为横坐标，在坐标纸上绘制标准曲线。二、未知样品蛋白质浓度测定 测定方法同上，取合适的未知样品体积，使其测定值在标准曲线的直线范围内。根据所测定的 A595 nm 值，在标准曲线上查出其相当于标准蛋白的量，从而计算出未知样品的蛋白质浓度（mg/mL）。注意事项（1）在试剂加入后的 5-20 min 内测定光吸收，因为在这段时间内颜色是最we定的。（2）测定中，蛋白-染料复合物会有少部分吸附于比色杯壁上，测定完后可用乙醇将蓝色的比色杯洗干净。（3）利用考马斯亮蓝法分析蛋白必须要掌握好分光光度计的正确使用，重复测定吸光度时，比色杯一定要冲洗干净，制作蛋白标准曲线的时候，蛋白标准品最好是从低浓度到高浓度测定，防止误差。

蛋白质印迹实验具体操作步骤 蛋白质印迹免疫分析的过程包括蛋白质经凝胶电泳分离后，在电场作用下将凝胶上的蛋白质条带转移到硝酸纤维素膜上，经封闭后再用抗待检蛋白质的抗体 作为探针与之结合，经洗涤后，再将滤膜与二级试剂-放射性标记的或辣根过氧化物酶或碱性磷酸酶 偶联抗免疫球蛋白抗体 结合，进一步洗涤后，通过放射自显影或原位酶反应来确定抗原-抗体-抗抗体复合物在滤膜上的位置和丰度。 【蛋白质印迹实验所需试剂】 1.IgG 标准品 2.羊抗人辣根过氧化物酶（HRP）标记的IgG 抗体 3.转移buffer:Tris 3.03g,Gly14.4g,甲醇200ml,加三蒸水至 1000ml充分溶解，4℃冰箱贮存。 4.Tris buffer（TBS）：Tris 2.42g,NaCl 29.2g,溶于600ml三蒸水，再用1N HCl调至pH7.5,然后补加三蒸水至1000ml. 5.漂洗液（TTBS）：TBS液500ml,加 Tween20 250ul. 6.封闭液：5%脱脂奶粉。 7.抗体buffer:1.5g BSA溶于50ml TTBS. 8.显色液DAB（3.3-diaminobenzidine,3.3-二氨基联苯胺）配制：5mg DAB溶于10ml 柠檬酸buffer（0.01mol/L 柠檬酸2.6ml,0.02 mol/L Na2HPO4 17.39ml），加30% H2O2 10 &mu l（临用时现配）。 9.脱色液：甲醇250ml,冰醋酸100ml,加蒸馏 水至1000ml. 10.氨基黑染色液（0.1%氨基黑 -10B）：0.2g 氨基黑-10B 溶于200ml 脱色液中，充分搅拌溶解，滤纸 过滤。 【蛋白质印迹实验操作步骤】 一、样品的SDS -聚丙烯酰胺凝胶电泳 按实验四操作步骤进行。加样时，注意在同一块胶上按顺序做一份重复点样，以备电泳结束时，一份用于免疫鉴定，一份用于蛋白染色显带，以利相互对比，分析实验结果。 二、转移印迹 1.转移前准备：将滤纸，硝酸纤维素膜（NC）剪成与胶同样大小，NC膜浸入蒸馏 水中 10-20min 后浸入转移buffer中平衡30min . 2.凝胶平衡：将电泳后的SDS -PAGE胶板置于转移buffer 中平衡 30-60min. 3.按图操作：逐层铺平，各层之间勿留有气泡和皱折。 4.开始转移，连接正负极，盖好盖子，接上电源，恒流 0.8mA/cm,室温下转移1h,转移后的凝胶再用氨基黑10B染色液染色20min ,然后脱色检测转移效果。 三、免疫染色 1.转移后的NC膜于5%脱脂奶粉中封闭，4℃过夜。 2.TBS洗膜1-2次，10min/次。 3.加HRP标记的抗体，室温1h . 4.TBS 洗3次，10min/次。 5.NC膜再转入DAB显色液中，置暗处反应，待显色反应达到最佳程度时，立即用三蒸水洗涤终止反应。

2012年3月23-25日，第五届蛋白质和多肽大会（五周年庆）在北京国际会议中心隆重召开，本届会议的主题是“强大的蛋白质和多肽”。除主论坛外，大会科技议题还包括：蛋白质科技前沿、蛋白质组学与宏蛋白质组学、人类疾病与蛋白质发现、蛋白药物及其临床意义、非人类蛋白的研发、多肽科学、多肽化学与合成方法、多肽药物发现、对生物活性肽及其应用的探索、肽的新应用、蛋白质工程技术、仪器设备的创新等14大分会和100多个分论坛。赛分科技作为全球知名的生物分离色谱领航者，积极参加了此次会议，并带来了赛分科技的最新科技成果——“抗体分析方法包”。 赛分科技最新解决方案——“抗体分析方法包” 在此次会议中，赛分科技总裁兼首席技术官黄学英博士应邀主持了“蛋白质质量控制/质量评价与分析工具”专场，并发表了“单克隆抗体在分离与鉴定中的全套解决方案”的主题报告。 黄学英博士在报告中 单克隆抗体作为一种重要的治疗蛋白质，越来越受到关注。赛分科技推出的抗体分析方法包为单克隆抗体的分析和鉴定提供了完整的解决方案。其中，Zenix™ 300体积排阻色谱柱可高效分离抗体单体、多聚体、片段、轻链和重链；Antibodix™ 阳离子交换色谱柱用于分离在结构上差异很小的单克隆抗体异构体。Bio-C8反相色谱柱可分离Fab和Fc以及轻重链。 与会观众和专家们对赛分科技的“抗体分析方法包”产生了浓厚的兴趣，积极提问，并纷纷索取相关产品资料。会议交流热烈，气氛友好。 赛分科技展台 赛分科技 赛分科技有限公司（Sepax Technologies, Inc）总部位于美国特拉华州高新技术开发区，致力于开发和生产药物与生物大分子分离和纯化领域的技术和产品。赛分科技是集研发、生产和全球销售为一体的实业型企业。公司主要产品为液相色谱柱及耗材、固相萃取柱（SPE）及耗材、液相色谱填料以及分离纯化仪器设备。在液相色谱领域里，赛分科技已开发出了100多种不同型号的液相色谱材料，涵盖了反相、正相、超临界（SFC）、手性（Chiral）、离子交换、体积排阻、亲和、HILIC等各种类别，为世界范围内液相色谱产品最为完善的企业之一。 赛分科技的创新技术使之生产出具有最高分辨率及最高效的生物分离产品，包括体积排阻、离子交换、抗体分离、和糖类化合物分离色谱填料和色谱柱，可广泛地应用于单克隆抗体、各种蛋白、DNA、RNA、多肽、多糖和疫苗等生物样品的分析、分离和纯化。赛分科技先进的技术和完善的产品线已使赛分成为全球生物分离的领航者。

将小分子、核酸、蛋白质和药物导入细胞是监测和了解细胞行为以及生物功能的重要途径。然而，质膜是阻止外源分子进入细胞的生物屏障。因此，如何在保持细胞活力的同时高效地将外源分子递送到细胞中是细胞生物学领域的一个重要课题。为了克服现有大规模细胞内递送方法的弱点，例如细胞活性和递送效率不一致，主要基于膜破坏介导机制的微技术已成为一种有前景的解决方案。利用化学质膜穿孔进行单细胞递送的尚未得到广泛研究。2024年4月26日，清华大学化学系林金明教授团队在《ACS Applied Materials & Interfaces》杂志在线发表了题为“Chemical Plasma Membrane Perforation Generated by a Microfluidic Probe for Single-Cell Intracellular Protein Delivery”的工作。该研究使用微流控探针将含有毛地黄皂苷和货物的溶液精确地作用到单细胞上。毛地黄皂苷与质膜中的胆固醇结合诱导质膜穿孔，货物通过孔进入细胞。碘化丙啶 (0.67 kDa) 和 FITC-葡聚糖 (10、40 和 150 kDa) 可以在3分钟内成功引入单细胞，同时保持细胞活力。两种蛋白质（细胞色素C和亲环素A）被递送进入细胞，并观察到它们在细胞中得生理功能。图1. 微流控探针诱导单细胞化学质膜穿孔首先，利用Comsol Multiphysics软件对微流控探针形成的微区域进行数值模拟。使用荧光素（扩散系数=500 μm2 /s）来指示溶质扩散。结果表明，注入的溶液可以被完全吸出，并且溶质被限制在液滴状微区域内而不会扩散。微区内溶质浓度分布均匀。计算了基质上的剪切应力，低剪切应力不会对细胞造成额外的机械损伤。实验在与模拟相同的条件下进行，使用荧光素显示微流控探针产生的微区域，与浓度分布模拟结果一致。溶液的连续流动使微区中毛地黄皂苷和货物的浓度几乎恒定，有利于维持递送过程的连续性和稳定性。图2. 流体的数值模拟通过微流控探针进行碘化丙啶（PI）的细胞内递送来验证该方法的可行性以及优化递送条件。尝试使用 20-100 μg/mL 毛地黄皂苷将 PI 递送至U87细胞。随着毛地黄皂苷浓度的增加，ts（PI开始进入时间）和tm（PI进入速度最大时间）逐渐减少，表明细胞穿孔加速。当毛地黄皂苷浓度为60 μg/mL时，ts约为20 s，1 min内即可观察到清晰的荧光。此外，还尝试了不同的PI浓度进行细胞内递送，较高的PI浓度也使得PI能够更快地进入细胞。还测试了流速对递送结果的影响。注入流量保持2 μL/min，抽出流量在6~14 μL/min之间调整。当抽吸流速大于8 μL/min时，进入细胞的PI量随着流速的增长而显着增加。图3. 毛地黄皂苷浓度、PI浓度和流速对细胞内递送的影响为了证明该方法的效率和通用性，使用该方法将PI递送至U87、HUVEC和A549细胞。当递送时间为20秒时，三种类型的细胞几乎不发出荧光。随着递送时间逐渐增加，细胞的相对荧光强度显着增加，递送处理50 s后观察到强烈的红色荧光。由于洋地黄皂苷的作用，质膜逐渐透化，PI通过质膜上形成的孔继续进入细胞。还检查了该方法递送大分子的能力，使用不同分子量（10、40和150 kDa）的 FITC-葡聚糖作为货物。FITC-葡聚糖可以在3min内进入细胞，并且FITC-葡聚糖进入的量随着递送时间的增加而增加。图4. PI和FITC-葡聚糖递送的结果在验证了这种方法用于单细胞胞内递送的可行性后，作者尝试了细胞内蛋白质递送。Cyt C ( Mw = 13 kDa) 是线粒体中的一种蛋白质，可将电子转移到呼吸链以维持ATP的产生。当cyt C释放到细胞质中时，它会引发细胞凋亡。由于外源cyt C在正常情况下不能进入细胞，利用微流控探针将cyt C递送至A549中作为抗肿瘤药物以诱导细胞凋亡。对照组和仅用毛地黄皂苷或cyt C处理的细胞之间未观察到caspase-3水平和Hoechst 33342染色结果的显着差异。毛地黄皂苷诱导的质膜穿孔不会引起细胞凋亡。仅用cyt C处理的细胞中caspase-3的水平也没有增加，表明正常情况下cyt C不能穿过质膜进入细胞激活凋亡途径。然而，在进行毛地黄皂苷介导的cyt C递送的细胞中，caspase-3水平显著增加，蓝色荧光显著增强。细胞形态发生明显变化，细胞体积缩小，并形成凋亡小体。这些结果表明，递送的cyt C成功诱导细胞凋亡，并且外源蛋白可以通过微流控探针有效地引入细胞内并发挥作用。图5. Cyt C被递送至A549以诱导细胞凋亡为了进一步探索这种方法在细胞研究中的潜力，作者利用它来研究肿瘤耐药性。CypA (M w = 18 kDa) 是一种广泛存在的细胞内蛋白质，可充当抗氧化剂。最近有报道称CypA通过重塑细胞氧化状态介导结直肠癌耐药。BCNU是一种常用的抗肿瘤药物，其诱导细胞毒性的机制之一是谷胱甘肽还原酶的抑制导致ROS的积累。利用微流控探针将CypA递送到U87中，研究CypA对胶质瘤耐药性的影响。与对照组相比，未经CypA递送的细胞经BCNU处理1小时后ROS水平显着升高，并且细胞形态发生改变。对于递送CypA的细胞，ROS含量显着低于未递送细胞，并且细胞保持正常形态。结果表明，递送的CypA在细胞中具有抗氧化作用，这可能增强U87对BCNU的耐药性。抑制CypA表达可能是治疗神经胶质瘤的潜在方法。图6. CypA对胶质瘤耐药性的影响总结作者开发了一种基于开放式微流控探针的方法，以方便高效地实现单细胞递送。该方法通过使用化学试剂对单个细胞进行质膜穿孔，将最大分子量为150 kDa 的外源货物递送到细胞中。与载体介导或场辅助递送方法相比，该方法不需要对货物进行额外处理，无需物理场辅助的温和递送条件也避免了对货物和细胞的额外损伤。作者展示了使用微流控探针进行cyt C和CypA的细胞内递送，证明了该方法能够研究外源蛋白质对细胞生命活动的影响。未来，各种货物（肽、蛋白质、mRNA、DNA、质粒、细胞器等）可以通过这种方法导入细胞内，调节细胞的生理功能和命运。而且该方法不需要昂贵的设备，操作简单，有望成为单细胞递送的一种理想方法。清华大学化学系林金明教授为该论文的通讯作者，清华大学化学系2022级博士生宋扬为本论文的第一作者。该研究受到国家重点研发计划（No.2022YFC3400700）和国家自然科学基金（No.22034005）的支持。关于林金明教授工学博士，分析化学专业。1984年福州大学毕业，1992年在日本昭和大学国际交流基金的资助下前往该大学药学部从事访问研究。1994年获得日本政府奖学金转入东京都立大学攻读博士学位，1997年3月获得工学博士学位，同年留校任教，2000年入选中国科学院“百人计划”，受聘中科院生态环境研究中心研究员、博士生导师；2001年获得国家杰出青年科学基金，2002年3月底回国工作，2004年入选清华大学“百名人才引进计划”，受聘清华大学化学系教授、博士生导师。2008年受聘教育部长江学者特聘教授,2014年入选英国皇家化学会会士。目前主要从事微流控芯片质谱联用细胞分析、化学发光/荧光免疫分析、复杂样品前处理分析、空气负离子检测与健康评估等研究。已培养博士研究生43名（含联合培养，其中留学生2名）、硕士研究生28名、博士后11名（其中留学生3名）、访问学者10名（其中外国访问学者1名）。

引言准确预测蛋白质-配体(在本文的语境中，配体意指小分子有机化合物)的结合构象是计算生物学中的一项重要任务。一方面，它有助于人们理解蛋白质与内源小分子或药物分子的互作机制。另一方面，在药物设计或药物筛选(无论是单个蛋白-多个配体的正向筛选，还是单个配体-多个蛋白的逆向筛选)的过程中，也离不开对复合物构象的准确预测：这是准确计算蛋白质-配体结合稳定性(亲和力)的必要条件。对于给定蛋白和给定配体分子，依据是否已知结合口袋(也称配体结合位点)可以将复合物构象预测任务分为两类：口袋未知的盲对接(blind docking)任务和口袋已知的局部对接(local docking)任务。其中，盲对接任务是更普遍的、更富有挑战性的任务。在传统的对接流程中，这一任务又被划分为几个子任务：先借助口袋搜索算法确定可能的结合位点(即，转化为局部对接任务) 再利用构象生成(采样)方法生成大量可能的复合物构象，并依据打分函数评价各个构象(即，进一步确定配体的位置、朝向，以及各个键对应的扭转角) 挑选出打分值最优者作为最终结果。但是，对接过程面临着打分函数不够准确、构象搜索空间巨大导致计算耗时过长等挑战。比如，对于后者，文献[1]计算结果表明：对于单个配体复合物的盲对接任务而言，借助GNINA和Glide这两款传统的对接软件，生成百万量级的复合物构象并从中挑选最优者，平均耗时分别约为150 s和1500 s。在巨型分子库的(如ZINC 15数据库，含有约数十亿个化合物分子[2])虚拟筛选过程中，使用传统方法逐一对接每个分子在计算速度上是不可接受的。而数据驱动的机器学习方法为优化各个子任务的准确性和计算效率带来希望。此外，同样基于机器学习方法，部分研究者发展出“端到端”的、更为直接的对接流程：训练一个拟合自由能面(free energy landscape)的模型，无需将原有的对接任务划分为多个子任务，以蛋白质与配体的三维结构为输入，输出即为可能的复合物构象。参照Anfinsen提出的蛋白质折叠热力学假说，可以设想：如果存在一个能量函数，能够将复合物在三维空间下的所有状态映射到它对应的自由能，那么可以将复合物构象预测问题转化为该能量函数的最优化问题[3]。这是机器学习拟合自由能面的出发点。与传统的对接方法相比，这样的方法也同样可能在准确性和计算效率等指标上得到提升。本文将针对口袋搜索、构象生成、打分函数、自由能面建模这四个方向：整理相应的评价体系，包括常用的评价指标或测试集 挑选并简要介绍部分具有代表性的机器学习模型 结合模型评估实验讨论当前模型或评价体系存在的不足以及未来可能的发展方向。1.机器学习口袋搜索 1.1 评价体系目前存在两种描述蛋白质-配体结合口袋的方式。其中一种方法借助蛋白质表面的点云(surface points)来描述。这种方法被称作以配体为中心(ligand-centric)的方法。另一种方法则借助蛋白质上的原子来描述，那些蛋白质上的、与配体重原子距离小于一定阈值的重原子被定义为配体结合原子。这种方法被称作以蛋白质为中心(protein-centric)的方法。这两种描述方法相应地衍生出两类评价指标。对于前者，通常以配体原子中心距(预测的口袋中心与配体任意原子的距离，distance between the center of the predicted site to any atom of the ligand，DCA)、配体中心距(预测的口袋中心与配体中心的距离，distance between the center of the predicted site to the center of the ligand，DCC)、体素交并比(预测的口袋体积与配体所占据的空间体积的交并比，discretized volume overlap，DVO)等指标来衡量[4][5]。直观上，在这三个指标中：DCA最为宽松(只需大致判断配体位置)，DCC更为严格(额外考察了配体大小)，DVO最为严格(额外考察了配体构象)。但在多数文献中，常使用DCA和DCC这两个指标，并以4 Å作为预测成功与否的阈值[4]。对于后者，Yan等人以原子水平的交并比(Intersection over Union)来衡量[6]。具体地，计算预测的配体结合原子与标注的配体结合原子的交集与并集的比值。这也是机器学习目标检测任务中的常用指标。1.2 模型方法目前发展的大多数口袋搜索算法，都是以搜索蛋白质表面点云为目标。例如Krivák等人于2015年提出的P2Rank[7]：刻画蛋白质Connolly点云中各个点的物化特征，并使用随机森林模型对每个点进行可靶性预测，最后对点聚类得到口袋预测结果。以DCA为评价标准，P2Rank在多个数据集上表现优于传统方法Fpocket。Krivák等人后续还提供了P2Rank的网络服务[8]，并对多种方法口袋搜索方法进行了更加全面的总结和比较，其中包括Jiménez等人于2017年开发的、使用3D网格(体素)刻画结合位点的DeepSite[9]。值得一提的是，在Krivák等人的结果中(测试数据集为COACH420、HOLO4K，评价指标DCC)，DeepSite表现不及Fpocket 而在Jiménez等人的结果中(测试数据集CHEN251，评价指标DCC、DVO)，DeepSite表现显著优于Fpocket。最近，Yan等人另辟蹊径，以鉴定蛋白质上的配体结合原子为目标，发表了PointSite方法[6]，并声称其在多个数据集上(包括COACH420、HOLO4K、CHEN251等等，以原子水平的交并比为评价指标)取得了SOTA。Yan等人将口袋搜索问题转化为计算机视觉领域的点云分割问题 此处的点以蛋白质上的原子表示，以充分挖掘原子之间的键连特征。此外，作者还指出：将PointSite方法引入到其它口袋搜索方法如FPocket、P2Rank中(具体而言，使用点云分割的结果对后者的预测结果进行过滤)，可以进一步提升配体结合位点的鉴定效果。1.3 讨论从以上几种方法的评估实验中可看出，模型在不同测试数据集上的相对表现可能存在差异，因此需要建立一套统一的、合适的数据集进行测试。另外，在训练数据集的准备过程中，将未鉴定到配体结合的位点直接划分为负样本也值得考量。2.2在具体使用建议上，最近有研究将口袋搜索方法引入到完整的对接流程中[10][11]，相较于FPocket、P2Rank等方法，PointSite表现最优。　　2. 机器学习构象生成 2.1 评价指标对于构象生成模型而言，需要考察所生成构象的多样性和准确性，由此分别衍生出两类指标：覆盖率(COV，coverage)和匹配程度(MAT，matching metrics)。针对测试集中的每一个构象：查看是否能够在生成的构象集合里找到RMSD值小于给定阈值的构象(如果能，则表示该模型能够覆盖当前测试构象)，可以计算得到覆盖率 计算生成的构象集合与当前测试构象的最小RMSD值，取平均可以得到匹配程度的值。以上是从测试集的角度衡量模型表现(召回率) 相应地，将测试集构象与生成集构象在计算中对调，则可判断模型的准确率。目前常见的测试数据集包括GEOM-QM9和GEOM-Drugs[12]。2.2 模型方法构象生成模型沿着两个思路发展：直接生成各个原子的3D坐标 先生成原子对距离、二面角等中间参数，再将分子3D坐标还原。对于前者，技术难点在于保证模型对于输入分子的旋转-平移不变性(整体改变分子坐标，得到的构象是相同的，也即对齐过程)。对于后者，则可能生成不合法的中间参数(比如违反三角几何关系)，或者中间参数的误差在训练过程中不断累积，影响分子3D坐标重构，需要进行后续的力场优化 但这是目前大多数方法所选取的道路。此处简要介绍最近发展的GeoDiff模型[13]和DMCG模型(Direct Molecular Conformation Generation)[14]。Xu等人于2022年提出GeoDiff，使用扩散模型直接生成原子坐标。GeoDiff在GEOM-Drugs数据集上测试集覆盖率可达约89%、匹配程度约0.86 Å，并且经过力场优化之后可以进一步提升模型表现。作者指出：在逆向扩散过程中(生成过程)，如果某一时刻T的密度函数具有旋转-平移不变性，且逆向生成的条件概率函数具有旋转-平移不变性，则T时刻以前任意时刻的密度函数也具有旋转-平移不变性。同年， Zhu等人提出基于变分自编码器的DMCG模型，在GEOM-QM9和GEOM-Drugs数据集上均取得最优(对于后者，覆盖率约96%，匹配程度约0.70 Å)。作者指出：模型除了满足旋转-平移不变性外，对于对称结构还应当满足置换不变性(交换对称原子的坐标，得到的构象是相同的)。为此，计算任意旋转-平移操作以及对称原子置换操作下的两个结构的距离最小值，并将其引入损失函数中，以满足以上两种不变性。消融实验表明，如果不考虑这一项损失，则覆盖率将下降约20个百分点，匹配程度将提高约0.3 Å。2.3 讨论今年3月，Zhou等人[15]基于RDKit设计了一种简单的生成算法：使用RDKit分别采样二面角、采样几何片段、采样能量并生成相应的构象，随后按照能量大小进行聚类。在GEOM-QM9和GEOM-Drugs两个数据集上，与GeoDiff、DMCG等深度学习方法相比，该算法几乎在所有指标上取得SOTA。作者认为，目前的测试基准不足以覆盖实际应用中(如分子对接中)涉及的构象生成任务。　　事实上，生成足够的分子构象不会降低测试构象集上的匹配程度和覆盖率(召回率)，但可能降低生成构象集的相应指标(查准率)。而Zhou等人(包括Zhu等人的DMCG)并未在文中给出关于后者的模型评价，因此模型的实用性仍有待考察。另外，目前的构象生成方法均以单个配体的势能极小值作为优化目标，针对(已知口袋的)复合物中配体的构象生成模型仍有待开发。最后，GeoDiff模型与DMCG模型的发展也启示我们挖掘任务目标中蕴含的性质(对称性、不变性)，在模型训练中引入合适的归纳偏置。　　3. 机器学习打分函数3.1 评价指标Su等人[16]于2019年建立了一套打分函数的基准测试数据集CASF-2016。CASF-2016及其前身CASF-2013已被广泛用于评估打分函数的表现。同时，Su等人设计了四类指标分别考察打分函数的打分能力、排名能力、对接能力和筛选能力。打分能力通常以Pearson相关系数来衡量：考察天然蛋白复合物的计算打分值与实验结合常数的对数之间的线性相关性。排名能力通常以Spearman等级相关系数或Kendall等级相关系数来衡量：对于同一蛋白、不同配体的多个天然蛋白复合物结构，考察计算打分值给出的排名与实验结合常数给出的排名之间的匹配程度。对接能力以对接成功率衡量：对于单个复合物，在天然配体结合构象和一系列计算生成的诱饵分子构象(decoy)中，若计算打分最高者与真实结合构象的RMSD小于2 Å，则认为对接成功 对于多个复合物，进一步计算对接成功率。筛选能力以筛选成功率衡量：在天然配体和一系列其它配体分子中，计算打分前1%(5%、10%)结果里包含天然配体的比例。由此可见，打分能力直接以实验数据作为参考，是评估打分函数是否可靠的基本测试。排名能力是对打分能力的补充。打分能力越好，排名能力通常也越好 反之则未必成立(存在对实验结合常数进行非线性拟合的打分函数)。对接能力测试将计算生成的构象引入测试集中，因此更贴近实际对接操作、对于打分函数的选择更具参考意义。需要指出的是，对接能力测试给出的结果通常只能代表该打分函数的对接能力上限，在CASF-2016的测试中可能呈现分数虚高的情形(在测试中能够以90%的成功率在top-1中挑选出天然配体构象，但在实际应用中却不能达到这一表现)。这主要归结于实际应用中计算生成的构象不够充分。筛选能力涉及多种配体的对接，因此可视为对排名能力和对接能力的综合考察。3.2 模型方法针对打分函数的机器学习方法，前人已给出详尽的综述[17][18][19]。本文将展开介绍经典的ΔVinaRF20打分函数[20]，以及最近发展的DeepDock[21]和RTMScore[22]。ΔVinaRF20由Wang等人于2016年提出，在CASF-2013、CASF-2016测试集上的各指标中均排名靠前[16][20]。具体地，在CASF-2016测试集上，ΔVinaRF20在打分能力和排名能力两个指标上分别以0.82和0.75取得最优，在对接能力上以89.1%(top1)仅次于Autodock Vina(90.2%)，在正向筛选能力以42.1%(top1)取得最优、逆向筛选能力以15.1%(top1)位居第五(次于最优方法ChemPLP@GOLD约2.4%)。Wang等人指出：机器学习打分函数与经典的打分函数在这些指标中各有所长，前者长于打分，后者长于对接和筛选。因此作者拟结合二者优点：一方面对训练集进行数据增强，将计算生成的诱饵结构引入训练集中(同时计算估计亲和力作为标签)，以提高机器学习打分函数的对接和筛选能力 另一方面使用随机森林方法对AutoDock Vina中的打分函数进行参数化修正(使用Δ-machine learning方法，类似残差拟合)。Méndez-Lucio等人于2021年提出的DeepDock方法在CASF-2016的正向筛选和逆向筛选能力评估中分别以43.9%和23.9%取得SOTA，但DeepDock给出的打分值与实验结合常数的对数之间不存在相关性(在训练过程中未引入实验结合常数的相关信息)。DeepDock方法使用二维分子图刻画配体、多面体网格点刻画蛋白质口袋(参考了MaSIF的编码框架[23])，分别学习蛋白质口袋与配体原子的节点表示 随后两两组合配体和靶蛋白的节点形成节点对，使用混合密度函数拟合节点对的距离分布(概率密度函数)。作者指出：相较于通过最小化距离误差来学习节点对距离的平均值，混合密度函数能够学习训练集中节点对多个可能的距离，从而更好地刻画构象预测任务中的多值特性。在DeepDock的基础上，Shen等人从两方面进行改进得到RTMScore：一方面，使用无向图编码蛋白质口袋残基，在编码过程中满足对于输入复合物坐标的旋转不变性 另一方面使用Graph Transformer模型以学习更深层次的特征。作者声称RTMScore在CASF-2016测试集上的对接能力和筛选能力达到SOTA，相较DeepDock得到大幅提升：对接成功率达到98.6%，正向筛选成功率达73.7%，逆向筛选成功率达38.9%。3.3 讨论DeepDock等方法的发展展现了图模型在捕获蛋白质-配体互作的潜力，以及直接拟合蛋白残基-配体原子距离似然函数的有效性。事实上，距离似然函数不仅能作为打分函数评估当前构象，还能够作为某种“势能面曲线”指导构象优化。此外，这些新近提出的DeepDock等方法有待更广泛的测试验证。在其它论文的评估实验中[24]，RTMScore在对接能力中依旧表现最优。但考虑到缺少打分能力、排名能力等测试数据，后续仍需要更多的测试评估(尤其是将打分函数整合到完整的对接流程中)以验证这些方法的可靠性。　　4. 机器学习自由能面4.1 评价体系拟合自由能面的模型直接处理盲对接任务，生成复合物构象。其中存在两类评价指标。一类指标评估计算准确性。通常以预测复合物(如果模型给出多个可能的构象，则选取打分值top-1者)中配体重原子RMSD小于2 Å所占的比例来衡量模型对接能力。一般以2 Å作为对接成功与否的判断阈值[10]。还有通过配体质心距离小于2 Å(或5 Å)所占的比例来考察模型是否能够找到正确的结合口袋。此外，为判断生成的配体构象在化学上是否合理，Corso等人额外考察了配体构象中存在位阻冲突(steric clash，配体内部重原子之间的距离是否小于0.4 Å)的比例。另一类指标评估计算效率 这在大型分子数据库的虚拟筛选过程中同样不可忽视。以对接一个分子所需的平均CPU(如果可能，使用并行加速)或GPU时间来衡量。4.2 模型方法拟合蛋白质-配体自由能面的机器学习方法最近得到逐步发展，代表性的方法包括EquiBind[1]、TANKBind[25]、DiffDock[10]。Stärk等人于2022年提出基于图几何深度学习的EquiBind方法，在机器学习方法直接预测蛋白质-配体结合构象这一问题中做出开创性贡献。该方法以随机的配体分子构象(比如使用RDKit生成的构象)作为输入，无需经过大规模的构象采样即可在约0.1 s的时间内给出复合物结构。由此给出的结构在寻找结合口袋的能力上与传统方法(如QuickVina-W)相当(配体质心距小于2 Å的比例均约40%)，但在配体结合构象的预测上却表现不佳(配体RMSD小于2 Å的比例约6%，不及QuickVina、GLIDE等方法所达到的约20%)。虽然可以在该结构的基础上结合传统方法进一步微调配体位置和构象，但将增加预测所需的时间成本至数十秒或数百秒。同年，Lu等人提出TANKBind。相较于EquiBind，在保留推理速度(约0.5秒)的同时，TANKBind在配体构象预测上取得和传统方法相当的结果(配体RMSD小于2 Å的比例约19%)，口袋预测能力则获得较大提升(配体质心距小于2 Å的比例约56%)。不同于EquiBind对整个蛋白质进行编码的方法，TANKBind采用P2Rank寻找口袋位置，随后针对该位置的蛋白质区块(由半径20 Å内的残基构成)，拟合蛋白质残基与配体原子的距离。此外，受AlphaFold2的启发，TANKBind将三角几何约束引入残基与配体原子的距离建模中。消融实验表明，三角几何约束可以显著提升模型表现：配体RMSD小于2 Å的比例提升约15%，配体质心距小于2 Å的比例提升约12%。同年十月， Corso、Stärk等人提出DiffDock模型。该模型在对接准确性上首次实现了对传统对接模型的大幅超越。在holo态的蛋白晶体对接结果中，配体重原子RMSD小于2 Å所占的比例可达到38.2%，约为传统方法的两倍。这一结果对应于40次采样，消耗计算时间约40秒。与DeepDock想法类似，DiffDock使用生成模型来学习构象的概率分布并建立了一套相应的“扩散”方法(构象采样方法)。4.3 讨论今年2月，Yu等人[11]重新设计实验，考察了DiffDock等机器学习模型在盲对接任务中的哪一阶段领先传统方法、领先到何种程度。作者将盲对接任务拆分为口袋搜索和局部对接两个子任务，设计了三组实验：完全使用DiffDock等模型完成盲对接 使用其它方法搜索口袋(如前文所述的PointSite、P2Rank)，使用Uni-dock[26](一种基于AutoDock Vina 1.2的GPU加速对接方法)局部对接 使用DiffDock搜索口袋，使用Uni-dock局部对接。结果表明：DiffDock方法在口袋搜索中效果更佳(相较于PointSite等方法而言，引入了配体分子的结构信息)，但与ground truth、即表中的GT pocket相比仍存在提升空间 口袋确定，传统对接手段得到的结果优于DiffDock等机器学习模型。作者进一步指出：给定口袋下预测蛋白质-配体构象的机器学习方法是后续发展的方向(正如机器学习构象生成中所讨论的) 对于端到端的模型比较实验中，需要更审慎地评估传统方法的表现。另外，随着蛋白质结构预测方法的发展，评估模型在apo态蛋白质上的对接表现是有必要的，也是更符合实际情形的。事实上，目前几种模型所使用的训练集均为holo态蛋白(缺乏足够数量的与holo态对应的apo态蛋白结构)。为泛化模型的对接能力至apo态蛋白结构，通常采取折中方案：假定apo态与holo态的主链变动不大，而在模型编码过程中只使用主链碳原子的信息。DiffDock论文中首次评估了各种方法在ESMFold给出的蛋白质结构上的对接能力。结果显示，各模型的对接表现均显著下降(对于DiffDock而言，配体重原子RMSD小于2 Å所占的比例从38.2%下降至20.3%)。机器学习方法建模对接过程中蛋白质的结构变化仍然道阻且长。将分子动力学模拟过程中产生的动态信息引入模型中也许是一种可能的突破方向[27]。最后，正如AlphaFold2可作为打分函数评估蛋白质结构是否合理[3]，DiffDock等拟合自由能面的模型，其在打分函数的各项评价指标中表现如何也值得进一步探究。　　参考文献　　[1] Equibind: Geometric deep learning for drug binding structure prediction　　[2] Artificial intelligence–enabled virtual screening of ultra-large chemical libraries with deep docking　　[3] State-of-the-Art Estimation of Protein Model Accuracy Using AlphaFold　　[4] A Critical Comparative Assessment of Predictions of Protein-Binding Sites for Biologically Relevant Organic Compounds　　[5] Improving detection of protein-ligand binding sites with 3D segmentation　　[6] PointSite: A Point Cloud Segmentation Tool for Identification of Protein Ligand Binding Atoms　　[7] P2RANK: Knowledge-Based Ligand Binding Site Prediction Using Aggregated Local Features　　[8] P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure　　[9] DeepSite: protein-binding site predictor using 3D-convolutional neural networks　　[10] DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking　　[11] Do Deep Learning Models Really Outperform Traditional Approaches in Molecular Docking?　　[12] GEOM, energy-annotated molecular conformations for property prediction and molecular generation　　[13] GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation　　[14] Direct Molecular Conformation Generation　　[15] Do Deep Learning Methods Really Perform Better in Molecular Conformation Generation?　　[16] Comparative Assessment of Scoring Functions: The CASF-2016 Update　　[17] Machine-learning methods for ligand-protein molecular docking　　[18] Protein–Ligand Docking in the Machine-Learning Era　　[19] From machine learning to deep learning: Advances in scoring functions for protein–ligand docking　　[20] Improving scoring-docking-screening powers of protein–ligand scoring functions using random forest　　[21] A geometric deep learning approach to predict binding conformations of bioactive molecules　　[22] Boosting Protein–Ligand Binding Pose Prediction and Virtual Screening Based on Residue–Atom Distance Likelihood Potential and Graph Transformer　　[23] Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning　　[24]: A fully differentiable ligand pose optimization framework guided by deep learning and a traditional scoring function　　[25] TANKBind: Trigonometry-Aware Neural NetworKs for Drug-Protein Binding Structure Prediction　　[26] Uni-Dock: GPU-Accelerated Docking Enables Ultralarge Virtual Screening　　[27] Pre-Training of Equivariant Graph Matching Networks with Conformation Flexibility for Drug Binding　　本文作者：ZF责任编辑：WFZ

基因决定着个体的生命特征，但仅根据基因序列无法完整地阐明生物体的功能。蛋白质是生命活动的具体执行者，人体的许多疾病和蛋白的变化息息相关，包括它的丰度、修饰、结合等方面的变化。基于质谱（或者色谱-质谱）的蛋白质组学是一门既受技术推动又同时受技术限制的发现科学。过去十年间，蛋白质组学相关技术发展迅速，尤其是质谱仪器的进步，包括灵敏度、扫描速度、碎裂方式等，极大的推动了生物医学研究的发展。但生物样品复杂多样，如何更有效充分以及更简捷快速的将蛋白样品送入质谱是蛋白质组学研究的前提，同时也是蛋白质发展的瓶颈之一。莱伯泰科联合诺禾致源于2022年4月29日9:30共同推出“蛋白质组学样品前处理新技术网络研讨会”。本次讲座将专注于讨论生物及临床样品的前期处理和制备方法。通过结合讲者本人的研究经验，讲座将重点介绍基于膜片的组学反应器及相关技术在蛋白质组学样品处理过程中的应用。如果大家对这项技术感兴趣，欢迎扫描海报下方二维码，报名参与本次直播，届时，我们不见不散！

细胞异质性作为细胞系统中一种普遍存在的现象，受到生物研究领域的日益关注。在传统的群体分析中，单个细胞的独特差异往往被整体的平均值所掩盖，而这些被忽略的细节恰恰构成了细胞分化过程中的关键线索。随着微阵列芯片、核酸测序、质谱等技术的进步，对单一细胞进行基因组、转录组、代谢组和蛋白组分析已不再遥不可及。特别是核酸扩增技术的进步极大地推动了基因组、转录组在单细胞层面的测序技术的应用。尽管取得了这些进步，但在单细胞层面对蛋白质和代谢物的分析仍然面临重大挑战，这主要是由于它们的量有限且缺少有效的扩增手段。本文提出了一种新的策略，通过一次性单细胞蛋白质组和代谢组分析（scPMA），可以在单次LC-MS/MS分析中同时获取单个细胞的蛋白质和代谢物信息。通过这种策略，研究人员能够整合单个细胞的多组学数据，以深入理解细胞内部相互作用的网络和调控细胞状态的复杂机制。scPMA策略共包括以下三个部分（图1）：单细胞捕获及分离、纳升级样品预处理、一次性LC注入和质谱检测。前两个环节都是基于课题组前期自制的机械装置操作完成的，最后一部分才是scPMA策略的亮点。在常规分析流程中，由于蛋白质组和代谢组在物理化学特性上的根本差异，它们通常需要匹配不同的质谱检测技术。因此，在传统的样本预处理阶段，蛋白质和代谢物会被分离，随后各自经历特定的处理流程，并最终分别进行LC-MS/MS检测。然而，这些额外的分离和处理步骤不仅增加了分析的复杂性，而且往往不可避免地会导致样本的损失，特别是在处理单细胞水平的微量样本时，这种损失尤为显著，可能对研究结果的准确性和可靠性造成影响。基于此，作者希望能够开发一种易于使用的方法来实现同一单细胞个体的蛋白质组和代谢组同步分析。图1 一次性单细胞蛋白质组和代谢组同步分析示意图实际上，代谢物和蛋白酶切后的肽段在C18反相色谱柱上的保留时间是存在差异的。如图2所示，在作者设置的45 min梯度下，大部分A549细胞酶切的肽段在9至17 min的范围内就已流出（图2a），而此时流动相中乙腈的最高含量仅为40%。而A549细胞产生的代谢物则主要分布在17 min之后，只有极少部分是在17 min以前流出（＜10）（图2b）。导致这些现象的根本原因是肽段与代谢物之间疏水性的差异，因此，该策略更适合蛋白组与有一定疏水性的代谢物分析。得益于C18的有效分离，可以在色谱梯度的不同时间段针对不同的样本成分（肽段/代谢物）设置不同的质谱检测参数（图2c）。有效的色谱分离加与之匹配的双区域质谱检测便可实现一次性单细胞蛋白质组和代谢组双重分析。与之前的单组学的结果相比，scPMA策略在定量深度上并无明显差异（图2d-f）。图2 单蛋白质组和代谢组分析与scPMA的性能比较 通过scPMA策略，研究者们能够对单个肿瘤细胞（包括A549、HeLa和HepG2细胞）进行双重组学分析，平均定量了816、578和293个蛋白质以及72、91和148个代谢物。并利用UMAP聚类和随机森林机器学习模型，基于单细胞的蛋白质组、代谢组和双重组学信息，实现了对细胞类型的初步分类（图3、4）。根据结果可得知，细胞在代谢组中的异质性要大于蛋白组。图3 scPMA策略分析单个肿瘤细胞（包括A549、HeLa和HepG2细胞）图4 基于单细胞的蛋白质组、代谢组和双重组学信息对细胞进行分类随后，作者还利用scPMA方法在单细胞水平上研究了多柔比星对肿瘤细胞的诱导作用（图5）。对比药物处理组的各个单细胞样本发现给药后不同的单细胞在蛋白质表达上存在着异质性，这也是在群体分析中无法观察到的现象。与未给药的细胞相比，给药组共鉴定出255个差异蛋白(图5b、c)，一些肺癌细胞中过表达的蛋白显著降低。大部分的差异蛋白涉及的通路与DNA、染色质、核小体的合成有关（图5g）。同样，给药组和未给药组中鉴定出的代谢物也被用于UMAP聚类(图5d)和差异分析。差异分析结果(图5e、f)显示，93种代谢物有差异表达。其中，多柔比星仅在给药组检测到。值得注意的是，在给药组的各个细胞中，多柔比星丰度有明显的离散分布，甚至有10倍的丰度差异。这一结果表明不同的细胞个体具有不同的药物吸收水平，从而表现出明显的细胞异质性，这可能为进一步深入探索提供启发。基于差异蛋白质组和代谢组信息，利用MetaboAnalyst 5.0进行联合通路分析，分别富集出62条和234条相关通路。其中有37条显著相关的通路涉及的差异蛋白和代谢物与核糖体、DNA复制等药物作用机制有关（图5i）。图7.氘代差异分析流程示意图这些结果展示了scPMA策略在单细胞分析中的潜力，尤其是在药物干预研究中的应用前景。同时，这项工作也证明了一次性获取单细胞蛋白质组和代谢组信息的可行性，为未来在细胞分化、衰老和肿瘤免疫等领域的研究提供了新的工具。本文2024年发表在Analytical Chemistry上，One-Shot Single-Cell Proteome and Metabolome Analysis Strategy for the Same Single Cell。该文章的通讯作者是来自浙江大学化学系微分析系统研究所的方群教授。

#本文由马尔文帕纳科医药业务发展经理 韩佩韦博士供稿# 蛋白质的热稳定性研究对于加深对蛋白质的结构和功能的了解有着非常重要的意义。差示扫描量热技术（DSC）是直接测量热转变过程焓变（ΔH）唯一的分析方法，例如蛋白质，核酸或其他生物多聚物的热变性过程，为表征蛋白质及其他生物分子的热稳定性建立“金标准”技术。 一、焓变对于蛋白质的稳定性意味着什么？ 1，什么是焓（hán）变（ΔH）？ ΔH（焓变）是在恒压状态下将系统升高至温度T过程中摄取的总能量。对于蛋白质而言，这意味着用于使蛋白质发生去折叠所花费的能量（热量），此过程中 ΔH 是为正值，代表这是一个吸热过程。这种能量与蛋白质中所有原子和分子运动相关，以及维系蛋白质保持折叠构象中的键能。 通过将吸热谱图下方的面积进行积分（见图 1）可以计算得到焓变（ΔH）。焓变用每摩尔蛋白质的吸收的卡路里（或焦耳）来表示。由于蛋白质在 DSC 实验中暴露于升高的温度，因此蛋白质开始发生热变性，并伴随着非共价键的断裂。焓变（ΔH）与维系蛋白质天然（折叠）构象中所需的价键数量有关。焓变（ΔH）也取决于我们测量总蛋白质浓度的准确程度。如果蛋白质浓度不是很准确, 则会影响到计算出的ΔH值。 2，焓变（ΔH）值可以在实践中告诉我们什么？ 当您比较不同蛋白质的DSC结果时，具有较大ΔH值的蛋白质不一定比具有较小ΔH的蛋白质更稳定。由于ΔH值会对蛋白质摩尔浓度归一化，因此该值通常与蛋白质的尺寸成比例。大多数蛋白质具有相同的键密度（单位体积内的价键数量），因此，期待具有较大分子量的蛋白质也具有较大的焓变（ΔH）值也是合理的。 3，焓变（ΔH）的决定因素是什么？ 焓变（ΔH）取决于溶液中天然蛋白质的百分比。 一个非常重要的考虑是DSC仅测量初始处于折叠（天然）构象中的蛋白质的ΔH值。ΔH值取决于具有折叠（活性）构象的浓度。如果初始折叠蛋白质组分小于总蛋白质浓度（即活性浓度小于100％），则计算出的ΔH值将相应地变小。 下图显示了在储存期间的不同时间测量的相同蛋白质的DSC图谱。蓝色曲线图谱表示新鲜制备的蛋白质，是100％天然（折叠）蛋白质。当蛋白质样品在储存期间发生部分变性时，溶液中的天然蛋白质的比例开始下降，导致DSC图谱的焓变降低。当我们拥有100％天然蛋白质的参考DSC图谱时，我们可以根据不同状态样品的相对ΔH值来估计每个样品中的折叠蛋白质比例。 4，如何判断蛋白质是否失活？ 到目前为止，我们已提及的焓变是指通过DSC仪器直接测量到的“热”焓，也就是热力学焓变，通常表示为ΔHcal，这是其他任何非量热技术，例如圆二色谱（CD），表面等离子共振（SPR）等技术不能获取的焓变量。 还有另一种其他技术可以获取的焓变类型，即范霍夫焓变 - ΔHVH，我们同样可以通过DSC数据计算得出。范霍夫焓变（ΔHVH）可从通过DSC非两状态模型（non-2-state model）拟合得到。 两种不同的焓变对蛋白质热稳定性的测定又有什么实际意义呢？ 在DSC技术中，ΔHcal仅由DSC热转变峰曲线积分的面积来确定，而ΔHVH仅通过热转变峰曲线的形状来确定。转变峰形越尖锐，ΔHVH越大，反之亦然。ΔHcal是具有浓度依赖性的，但ΔHVH不是。 若ΔHcal/ΔHVH比例为1，通常意味着所研究的热转变状态符合两状态去折叠（Two-state unfolding model）模型。如果ΔHcal/ΔHVH比例大于1，则意味着存在显著密集的中间体存在 而ΔHcal/ΔHVH比小于1，则意味着存在分子间相互作用。 使用ΔHcal/ΔHVH可以帮我们估测是否有很大部分蛋白质是失活的。如果我们有一个简单的单结构域蛋白质，并且假定没有中间体，则我们可以预测，其去折叠过程的ΔHcal/ΔHVH的比值不会远离1。因此，如果ΔHcal显著低于ΔHVH，可以表明很大部分蛋白质已经失活。 综上所述，对DSC中ΔH数据的分析可以让我们了解蛋白质的去折叠机制，以及多少蛋白质处于其活性的天然构象。 二、TM值如何与和蛋白质稳定性相关？ 中点转变温度TM我们可以从DSC数据中提取多个热力学参数，例如ΔH，ΔHVH（范霍夫焓变），ΔCP和ΔG，但最广泛使用的参数是TM。顺便提一下，这也是最容易和最准确的值 - TM是最大峰值所对应的温度。 “蛋白质稳定性”有多种定义。最常见的是，对于工业上有重要意义的蛋白质，该术语是指在生理温度下的功能（或操作）稳定性 即，他们可以在37°C下发挥多长时间的生物功能？这可以通过需要花几天或数周时间的等温研究来评估，或者，如果使用差示扫描量热法（DSC），则可以在几分钟内变性蛋白质。 通过DSC获得的哪个热力学参数与功能稳定性相关度最佳？事实证明，是TM值。 热力学稳定性（ΔG）是功能稳定性的较差的预测因子 技术上，ΔG仅适用于可逆去折叠过程，此外，它由TM，ΔH和ΔCP计算得到，后者可能很难获取。 一个例子是TM和ΔG与人肉杆菌蛋白抗原血清型C的半数聚集时间(half time)（作为功能稳定性的量度）的相关性，用作模型蛋白。ΔG与T1 / 2 agg. 相关系数（R）仅为0.4，而TM 与 T1 / 2 agg.的相关系数是0.92。（来自J Pharm Sci的数据，2011 Mar 100（3）：836-48） 思考TM的一种方式： 如下图所示，假设我们用 DSC 扫描两种不同配方中的蛋白质或两种不同的蛋白质构建体，则 TM 值向低温方向 5℃ 的负偏移（稳定性下降）实际上反映了在 37℃ 条件下的 Fu （蛋白去折叠比例）由2％增加到 3％。温度 T 下的 Fu 蛋白可以通过图像化的方式估算，即温度 T 以下的曲线下阴影区域面积和整个曲线下方面积的百分比。 由于聚集体的生成可能是浓度依赖的过程，因此较高浓度的去折叠蛋白质（红色扫描曲线）将导致较快的聚合（更大组分的去折叠状态（U）才能转换为不可逆变性状态（I）。参见下面的原理图。 这种解析的一个推论是，曲线的整体形状应该是相似的。我们假定这种情况是对于在不同配方中的相同蛋白质或由一个母分子衍生出来的具有相似构建体的蛋白质。但是，对于完全不同的蛋白质，使用TM值作为用于稳定性比较的预测指标则应该谨慎使用。 扩展阅读（www.malvernpanalytical.com）Differential Scanning Calorimetry (DSC): Theory andpracticeDifferential Scanning Calorimetry (DSC) forBiopharmaceutical Development: Versatility and PowerThe Power of Heat: Digging Deeper with DifferentialScanning Calorimetry to Study Key Protein Characteristics PEAQ-DSC 微量热差示扫描量热仪：DSC差式扫描量热法（DSC）是一种直接分析天然蛋白质或其他生物分子热稳定性的技术，无需外在荧光素或者内源荧光，它通过测定在恒定的升温速率下使生物分子发生热变性过程中的热容变化来实现。 马尔文帕纳科 MICROCLA PEAQ-DSC 微量热差示扫描量热仪能够帮助用户快速确认维持高级结构稳定性的最佳条件，提供简介、无缝的工作流程和自动化批量数据分析，其所提供的热稳定性信息被业内视为“金标准”技术，是一种非标记、全局性的数据。 关于马尔文帕纳科马尔文帕纳科的使命是通过对材料进行化学、物性和结构分析，打造出更胜一筹的客户导向型创新解决方案和服务，从而提高效率和产生可观的经济效益。通过利用包括人工智能和预测分析在内的最近技术发展，我们能够逐步实现这一目标。这将让各个行业和组织的科学家和工程师可解决一系列难题，如最大程度地提高生产率、开发更高质量的产品，并缩短产品上市时间。

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,

p style=" text-align: justify line-height: 1.75em " 　　詹显全，中南大学教授、博士研究生导师、博士后合作导师，英国皇家医学会会士(FRSM)、美国科学促进会(AAAS)会员、欧洲预测预防个体化医学协会(EPMA)的会士和国家代表、美国肿瘤学会(ASCO会士、欧洲科技合作组织(e-COST)的海外评审专家，中国抗癌药物国家地方联合工程实验室技术委员会委员、技术带头人和副主任，临床蛋白质组学与结构生物学学科学术带头人和学科负责人，国家临床重点专科建设项目重点实验室建设项目学科带头人，湖南省百人计划专家、湖南省高层次卫生人才“225”工程医学学的学科带头人、中南大学“531”人才工程专家。目前正致力于从多参数系统策略角度阐述肿瘤的分子机理、发现肿瘤分子标志物，研究并整合基因组、转录组、蛋白质组和代谢组的变异来实现肿瘤的预测、预防与个体化治疗及精准医学。已发表学术论文130 余篇，主编国际学术专著3 本，参编国际学术专著16 本，获得美国发明专利2 个。受邀在中科院1 区影响因子9.068 MassSpectrometry Reviews 和中科院2 区影响因子3.65 Frontiers in Endocrinology 的国际期刊上客座主编了3 个专刊。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 本篇文章仪器信息网获得授权转载，来源中国科技成果杂志。 /p p style=" text-align: center line-height: 1.75em " 　　 span style=" color: rgb(0, 112, 192) " strong 深入剖析蛋白质组学技术最新进展与应用 /strong /span /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：人类结构基因组测序接近尾声，人们就从结构基因组学研究转向功能基因组学研究，即对转录组和蛋白质组进行研究。1995 年正式提出了”蛋白质组”和”蛋白质组学”的概念，距今已有25 年历史了。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 蛋白质组学的主要技术包括蛋白质组的分离技术、鉴定技术和蛋白质组信息学技术。 span style=" text-indent: 2em " 蛋白质组的分离技术主要有双向凝胶电泳(2DE)和多维液相色谱(2DLC)。蛋白质组的鉴定技术主要是基于质谱(MS)的技术，主要分为肽质指纹(PMF)和串联质谱(MS/MS)分析技术，其用于蛋白质大分子分析的两大离子源主要有MALDI 和ESI。质谱技术发展很快，主要朝向高灵敏度、高通量和高精度方向发展。 /span /p p style=" text-align: justify line-height: 1.75em " 　　蛋白质组信息学技术主要是用来构建蛋白质相互用网络的相关技术。蛋白质组的分离技术和质谱技术的不同联合就形成了各种类型的蛋白质组学分析技术：如2DE-MS和2DLC-MS。2DE-MS 又有2DE-MALDI-PMF 和2DE-ESI-LC-MS/MS, 该技术在蛋白质组学研究的头10-15 年是其主要技术，然而常规概念认为2DE 的通量不高，即一个2D 胶点中一般仅含有1 ～ 2 个蛋白质，通常一次实验其通量仅能鉴定几十到一千个蛋白质，这样其在蛋白质组学中的地位逐渐被淡化。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 2DLC-MS 主要有iTRAQ or TMT-based SCX-LC-MS/MS and labelfree LC-LC-MS/MS, 这就是人们通常说的“Bottomup”蛋白质组学，该技术在最近10 ～ 15 年在蛋白质组学中起着核心技术的作用，因为其通量明显增加，一次实验其通量可达到几千到一万的蛋白质能被鉴定，但该法鉴定的结果是一个protein group, 实质上鉴定的是编码蛋白质的基因, 而并没有鉴定到真正意义上的蛋白质，即蛋白质存在形式(Proteoforms 或Protein species)。蛋白质存在形式(Proteoforms)是蛋白质组的基本单元。人类基因大约2 万个，人类转录本至少10 万个，每个转录本指导核糖体按三联密码子决定一个氨基酸残基来合成氨基酸序列，刚合成出来的蛋白质氨基酸序列是没有功能的，它必须到达其指定的位置如胞内、胞外，和不同的亚细胞器等，形成特定的三位空间结构，并与其周围的相关分子相互作用，形成一个复合物(complex)才能发挥其功能作用。从核糖体刚合成出来到其指定的位置过程中有很多的蛋白质翻译后修饰(PTMs 据估计人体有400 ～ 600 种PTMs)。我们最近对蛋白质存在形式的概念给出了最新最完整的定义：蛋白质的氨基酸序列+ 翻译后修饰+ 空间构型+ 辅助因子+ 结合伴侣分子+ 空间位置+ 特定的功能。而蛋白质的概念被定义为：由同一个基因编码的所有蛋白质存在形式的集合体。这样，人类蛋白质组中的蛋白质存在形式(Proteoforms)至少有100 万或甚至达10 亿 (图1)。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 427px " src=" https://img1.17img.cn/17img/images/202008/uepic/1d18fad3-b010-4ea5-a812-432853ad4ec6.jpg" title=" 1111111.png" alt=" 1111111.png" width=" 600" height=" 427" border=" 0" vspace=" 0" / /p p style=" text-align: center line-height: 1.75em " 　　图1 ：Proteoforms 的概念及形成模式 (Zhan et al,Med One, 2018 Zhan et al., Proteomes, 2019) /p p style=" text-align: justify line-height: 1.75em " 　　如此庞大数量的Proteoforms/Protein species, 如何对其进行大规模的探测、鉴定和定量，是一个至关重要的事情。目前关于Proteoforms 的研究有两套策略一是“Top-down”MS 技术， 二是“Top-down” 和“Bottom-up”相结合的技术即2DE-LC/MS 技术(图2)。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 415px " src=" https://img1.17img.cn/17img/images/202008/uepic/94f48c94-fd0b-4959-90fb-dd399cebf074.jpg" title=" 2.png" alt=" 2.png" width=" 600" height=" 415" border=" 0" vspace=" 0" / /p p style=" text-align: center line-height: 1.75em " 　　图2 ：Proteoforms 研究技术比较(Zhan et al., Med One, 2018 Zhan et al., Proteomes, 2019) /p p style=" text-align: justify line-height: 1.75em " 　　“Top-down”MS 技术能探测、鉴定和定量Proteoforms，获得蛋白质的氨基酸序列和PTMs 信息，然而该技术的通量较低，目前最大通量鉴定到5700 个Proteoforms, 对应到860 蛋白质。 /p p style=" text-align: justify line-height: 1.75em " 　　最近，詹显全教授团队发现2DE-LC/MS 技术是一超高通量的技术平台，在探测、鉴定和定量Proteoforms方面, 可以鉴定达几十万至上100 万的Proteoforms。随着质谱灵敏度的显著提高，自2015 年以来，詹显全教授团队就发现每个2D 胶点包含了平均至少50 个甚至达几百个Proteoforms，并且大多数是低丰度的 并在近1 ～ 2 年来发表了相关论文来全面阐述2DE-LC/MS 的新理念和实践，完全打破了40 多年来人们对双向电泳的传统认识 (即一个2D 胶点中一般仅含有1 ～ 2 蛋白质)，为大规模的Proteoforms 研究提供了技术基础。Proteoforms/Protein species 概念的发展极大的丰富了蛋白质组的内涵，是蛋白质组学研究的更高层次，是国际科学发展的前沿，必将影响着整个生命科学和医学科学的研究和实践，有助于发现可靠而有效的疾病标志物，用于深度理解疾病分子机制和决定药物靶点，或者用于有效的预测、诊断、预后评估。另外，蛋白质组是表型组的重要成分，是基因组功能的最终执行者，是基因组和转录组研究所不能替代的，要实现真正的个性化医学和精准医学，蛋白质组学研究是不能绕过去的。 /p p style=" text-align: center line-height: 1.75em " 　　 span style=" color: rgb(0, 112, 192) " strong 基于整合组学发现疾病标志物才是精准发展之重 /strong /span /p p style=" text-align: justify line-height: 1.75em " 　　1. 您一直专注于肿瘤蛋白质组学的研究，例如垂体瘤、卵巢癌等相关恶性肿瘤结合组学的研究，请谈谈在这方面的最新的研究成果，以及过程中的主要挑战和解决方案 /p p style=" text-align: justify line-height: 1.75em " 　　詹显全： 垂体瘤是颅内常见肿瘤，绝大多数是良性的，只有少数具有侵袭性和恶性，并能引起激素分泌紊乱和颅内压迫症状，出现严重的临床症状，危害人体健康。临床上分为功能性垂体瘤和非功能性垂体瘤，并且非功能性垂体瘤不表现血中激素水平增加，不易早期诊断，经常是当肿瘤体积增加到压迫周围组织器官产生压迫综合征时才被诊断，这时已经是中晚期了，且其分子 /p p style=" text-align: justify line-height: 1.75em " 　　机制并不清楚，缺乏早期诊断标志物和药物治疗靶标。因此，非功能性垂体瘤被选为主要研究对象。虽然垂体瘤是在颅内，但我们认为垂体瘤是一种多病因、多过程、多结果的全身性的慢性疾病，并且还具有肿瘤的异质性 它涉及到一系列的分子改变，包括发生在基因组、转录组、蛋白质组、代谢组和相互作用组水平上的改变，而这些不同水平改变的分子和信号通路又不是孤零零的起作用，而是相互间具有千丝万缕的联系。因此，我们很难用一种单一因素来解决其预测、预防、诊断、治疗和预后评估 而必须从单因素模式转向多参数系统思维模式。垂体瘤的多病因、多过程、多结果、全身性、慢性、分子网络系统性给其“同病同治”提出了严峻挑战，同时为实现其个性化的精准预测、精准预防、精准诊断和精准治疗提供了机遇和条件。多组学(基因组学、转录组学、蛋白质组学、代谢组学、影像组学)和系统生物学技术的发展驱动了这一多参数系统思维模式的转变、推进了其个性化医学和精准医学的研究和实践。因此，我们认为多参数系统策略观和多组学是进行垂体瘤个性化医学和精准医学的研究和实践的重要理念和技术方案。 /p p style=" text-align: justify line-height: 1.75em " 　　我们从2001 开始进行垂体瘤的蛋白质组学及其翻译后修饰组学研究，从2008 年开始进行多组学和分子网络研究，及预测预防个体化医学(PPPM)和精准医学(PM)研究。经过过去近20 年未间断的研究，我们在垂体瘤的蛋白质组学、翻译后修饰组学、多组学、分子网络和系统生物学研究方面在国际上处于了主导地位。 /p p style=" text-align: justify line-height: 1.75em " 　　在我们研究过程中，我深深体会到一个重大思转变就是从以前的单参数模式转向了多参数系统思维模式，这符合肿瘤的真实情况。另外，就是多组学技术促进了这一模式的转变，并是其主要的解决方案。 /p p style=" text-align: justify line-height: 1.75em " 　　2. 从您的研究方向及重点出发，您认为多组学研究在精准医学中接下来的研究应当侧重于哪些方面，以及如何才能比较好的实现从研究到临床的转化落地? /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：我的研究对象是肿瘤(垂体瘤、卵巢癌、肺癌、胶质瘤)，研究理念是肿瘤的多参数系统策略观，技术手段是多组学和系统生物学，研究的目标是要解决肿瘤的预测预防个体化医学(PPPM)和精准医学(PM)。 /p p style=" text-align: justify line-height: 1.75em " 　　我们认为多组学中的不同组学对PPPM/PM 的贡献是不平衡的，即个性化的表型组是基因组通向PPPM/PM 应用实践的桥梁，而蛋白质组和代谢组是表型组中两重要成分。蛋白质组的内涵包括蛋白质的拷贝数变化、剪切变化、翻译后修饰、转位、再分布、空间构型、与周围分子相互作用、及信号通路网络问题。代谢组的内涵涉及到体内所有物质(包括糖、脂、蛋白质、核酸)的代谢产物及其代谢网络问题。要真正实现PPPM 和PM，蛋白质组和代谢组的贡献是基因组所不能替代的是不能绕过去的。人们应从以基因组为中心的研究和实践转向以表型组为中心的研究和实践。其中蛋白质组的研究又应以翻译后修饰和蛋白质存在形式(Proteoforms)作为今后的研究方向。Proteoforms 的研究必将影响着整个生命科学和医学科学。从临床转化研究来看，基于多组学的整合生物标志物是发展方向。对于这里的生物标志物，我们将其分为两类：一类是解决疾病分子机制和药物靶点的生物标志物，这类生物标志物一定要有因果关系 一类是解决预测、诊断、预后评估的生物标志物，这类标志物不一定要求有因果关系，但必要要有量的变化。 /p p style=" text-align: justify line-height: 1.75em " 　　3. 作为EPMA(欧洲预测预防个体化医学协会)的中国代表，想请您分享下国际上对于组学研究在精准医疗中的应用现状、趋势以及发展规划 /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：欧洲预测预防个体化医学协会(EPMA)是国际个体化医学领域领头的学术协会，由来自全球55 个国家和地区的专家学者组成，其创办的官方杂志EPMA Journal( 中科院2 区，ESI IF5.661) 涵盖了24 个专题内容，较全面地反映了预测预防个体化医学(PPPM)和精准医学(PM)的研究、实践与最新动态，还涉及到PPPM 和PM 的政策、伦理、卫生经济和社会保障等许多方面，为PPPM 和PM 的科研、实践提供了一个很好的交流平台。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 我本人作为EPMA 的中方代表(National Representative of EPMA in China) 和其官方杂志EPMA Journal 的副主编，参与了其经历的重要活动。我从2008 开始起在EPMA 中主要负责多组学和创新技术方面，在EPMA 白皮书中的“肿瘤预测预防个体化医学的多参数系统策略观”这部分最早就是我写的，之后我们写了一系列文章来论述基于多组学的多参数系统策略的研究和实践。因此，在EPMA，我们的基于多组学的多参数系统策略观还是比较早的，近五六年来多组学研究在EPMA 圈内(55 个国家和地区)发展得很快，已经深入到PPPM 的各个领域。 /p p style=" text-align: justify line-height: 1.75em " 　　另外，我认为，精准医学在理念上没错，严格意义上的精准医学是个理想化的概念，人们只能无限去逐步接近它。现阶段搞精准医学还是要回归到人类健康的保护过程，即预测、预防、诊断、治疗和预后评估，这里应该是针对个人来说而不是针对群体，严格说来应该是个性化的精准预测、精准预防、精准诊断、精准治疗和精准预后评估。对于人类健康保护过程来说，预测、预防还是上策，其次就是早诊断、早治疗。多组学研究已渗入到人类健康保护过程的每个环节，主要用来寻找基于多组学的生物标志物，当然这里的生物标志物应泛指前面说的两类：一类是解决疾病机制和治疗靶点的标志物，一类是解决预测、诊断、预后评估的标志物。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 因此，基于多组学的PPPM/PM 的研究和实践一定是今后发展的一个长远趋势。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 802px " src=" https://img1.17img.cn/17img/images/202008/uepic/581ff7cf-5c3e-4fd6-8f5f-805989791ee5.jpg" title=" 詹.jpg" alt=" 詹.jpg" width=" 600" height=" 802" border=" 0" vspace=" 0" / /p p br/ /p

日前，在上海淳大万丽酒店隆重举行的为期3天的第三届化学和药物结构分析上海研讨会(CPSA Shanghai 2012) 以&ldquo 从基准到决策-从基础到应用&rdquo 为主题，旨在为东西方的药物研发领域的科学家们建立一个交流、互动的平台。来自北美、欧洲和亚太地区生物制药领域的著名学者，全球知名制药厂家和CRO企业代表共计300余人与会。 CPSA是关于药物开发和分析的国际学术会议，科学家们和制药工业企业组织共聚一堂，分享药物领域的新发明、新应用以及实践经验，探讨对药物研发新技术、新方向、新政策的看法，以实现药物研发前沿科学与制药工业之间对接。岛津公司极为重视对中国制药工业的发展和加强中国与世界的联系方面起到积极推动作用的CPSA，大力赞助了本次年会。在会议期间，岛津资深专家Robert E. Buco 为本次年会带来了一场精彩的岛津Perfinity Workstation的报告会。 Robert E. Buco 介绍Perfinity Workstation Perfinity Workstation是岛津公司和Perfinity公司联合推出新型蛋白质样品制备自动化平台。 Perfinity Workstation 在大批量分析测试中关键是分析前期的样品分离，Perfinity公司将其自动化控制和色谱柱工艺技术集成到日本岛津仪器。该综合而成的Perfinity分析平台中，多层色谱柱设备可实现蛋白质的自动化分离和大批量分析样品的制备，为液相色谱-质谱分析提供更高的效率。Perfinity公司的五个最优色谱柱与岛津公司的硬件配件完整联合，大大提升了Perfinity分析平台的优异性能。其中，每一个色谱柱执行大批量样品制备过程的一小部分，包括亲和选择，缓冲交换，分离，脱盐淡化和反相分离。这些步骤的自动化集成，使用户能够在短短的10分钟内实现由血清样品分离得到液相色谱-质谱分析所需的肽。这个自动化解决方案大大减少了实验室的分析设备，并可进行大批量的蛋白质样品测试分析。 该新型的Perfinity分析平台把对抗体的选择性和色谱的分辨能力完美结合。在线完成缓冲交换和脱盐淡化。减少样品的处理时间，使得用户可以快速完成各种条件下的分析测试。Perfinity分析平台的样品分离方法的最大优点是用户无需固定抗体。这样，科研人员可以直接把抗体添加到样品中。由此可消除抗体固定操作步骤，进一步减少用户分析的操作失误的可能，使得Perfinity工作平台下的液相色谱-质谱分析更加准确、可靠。 该平台应用领域广泛，包括化学分析，蛋白质纯化，药物检测和生物应用开发。例如，在化学分析领域，平台所构建的方法的核心步骤，可很大程度上减少所需的最优化草案。 Robert E. Buco 的精彩报告，引起与会专家、用户的高度关注，对Perfinity Workstation新型蛋白质样品制备自动化平台显示出极大兴趣和期待。 关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所为扩大中国事业的规模，于1999年100%出资，在中国设立的现地法人公司。 目前，岛津企业管理（中国）有限公司在中国全境拥有12个分公司，事业规模正在不断扩大。其下设有北京、上海、广州分析中心；覆盖全国30个省的销售代理商网络；60多个技术服务站，构筑起为广大用户提供良好服务的完整体系。 岛津作为全球化的生产基地，已构筑起了不仅面向中国客户，同时也面向全世界的产品生产、供应体系，并力图构建起一个符合中国市场要求的产品生产体制。 以&ldquo 为了人类和地球的健康&rdquo 为目标，岛津人将始终致力于为用户提供更加先进的产品和更加满意的服务。 更多信息请关注岛津公司网站www.shimadzu.com.cn。

普渡大学和Tymora Analytical Operations的科学家团队通过对尿液胞外囊泡（EVs）蛋白质和磷酸化蛋白质进行质谱分析识别了一组可用于诊断帕金森病的蛋白质标志物。该项工作于本月发表在Communication Medicine，其中详细介绍了研究工作。该研究的部分资助来源于迈克尔J福克斯帕金森研究基金会，该组织的一部分工作就是探究EVs分析是否能识别新型的帕金森病标志物。EVs是由细胞分泌到各种体液中，被认为能反映来源细胞的分子组成。鉴于检测源自癌细胞的外泌体中的蛋白质或核酸比检测患者血液或尿液中自由循环的癌细胞相关核酸或蛋白质可能更容易的想法，胞外囊泡已成为液体活检研究的一个热门领域。同样的思路也适用于神经退行性疾病，尤其是从血液或尿液样本中寻找这些疾病的标志物，血液或尿液相比于脑脊液易于获取，但含有的相关标志物浓度通常较低。总部位于印第安纳州威斯特拉法叶市的Tymora是普渡大学化学生物学和分析化学教授安迪陶（Andy Tao）实验室的衍生企业。Tymora的首席执行官是Communication Medicine论文的通讯作者之一Anton Iliuk。Tymora专注于EVs的蛋白质组学和磷酸化蛋白组学分析，将其作为研究服务出售给外部合作伙伴以及用于其内部生物标志物和诊断方法的开发工作。2018年，该公司及其合作者在Journal of Proteome Research杂志上发表了一项研究，在该研究中，他们在尿液中收集的EVs中鉴定出约860种磷酸化蛋白质和超过2,000种未修饰的蛋白质。迈克尔J福克斯帕金森研究基金会的研究项目副总裁Shalini Padmanabhan是该论文的作者之一，她表示，基金会的研究人员在阅读该研究时“对结果很有兴趣”，因为鉴定到的蛋白中包括几种与帕金森病有关的蛋白质。Padmanabhan指出，当时基金会已经收集了大量来自帕金森病患者的尿液样本，并由Tymora技术看到一个检验新方法（识别帕金森病患者EVs蛋白质特征相对于健康对照组的变化）的机会。研究人员使用Tymora的EVtrap技术从哥伦比亚大学欧文医学中心收集的82个尿液样本中分离出EVs（21个健康对照组，13个携带与帕金森病相关的LRRK2突变但健康的人，28名没有LRRK2突变的帕金森病患者和20名携带LRRK2突变的帕金森病患者）。EVtrap方法使用包被疏水和亲水基团的磁珠来结合EVs的脂质双层膜。该方法可灵敏且可重复地捕获EVs，同时限制高浓度循环蛋白的捕获，这是相对于其他一些EV富集方法的优势。在分离出外泌体后，研究人员在赛默飞Q-Exactive HF-X仪器上进行LC-MS分析其蛋白质。他们识别4,476个独特的蛋白质和2,680个独特的磷酸化蛋白质，从中筛选出48个潜在的标记物，并最终确定了6个最佳标志物。他们发现，这六个标志物组合可以在曲线下面积为0.94的情况下区分健康人群和帕金森病患者。随后，研究人员用两个实验验证了这些表现最佳的蛋白质和与帕金森有关的其它蛋白质。其中一个实验利用靶向质谱技术测定13名健康对照组和23名帕金森病患者的蛋白质，另一个实验使用免疫方法测定10名健康对照组和10名帕金森病患者的蛋白质。Tao 表示，他的实验室继续与哥伦比亚大学的研究小组合作获取更多的样本，并且正在与普渡大学的同事Jean-Christophe Rochet合作研究蛋白质聚集在帕金森病、阿尔茨海默病和Lewy小体痴呆等神经退行性疾病中的作用。Tao 和 Rochet 正在探讨的一个问题是外泌体是否可能成为突触核蛋白α-synuclein(α-syn)的有用来源。在帕金森病患者中，错误折叠的α-syn聚集形成路易氏小体在大脑中积累，被认为会引起神经元损伤，也被认为是潜在的药物靶标和生物标志物。对于帕金森病的诊断，α突触核蛋白种子扩增检测方法前景光明。该方法通过将来自患者的αSyn与正常αSyn孵育并观察其是否产生帕金森病的特征性聚集物。通常，αSyn突触核蛋白样品从患者脑脊液中收集，需要进行脊髓穿刺。这促使研究人员探索通过血液或尿液样品等微创性的方式收集这种蛋白质，其中外泌体是一种潜在的采样途径。Padmanabhan指出，“虽然α-synuclein的分布范围及与帕金森病生物学相关性的全面了解仍不充分，但已有人提出外泌体可能富集有α-synuclein，包括病理性形式。”她补充说，到目前为止，福克斯基金会将外泌体用作αSyn的样本来源的主要工作侧重于在血液中的外泌体，“血液中α Syn的存在已经有研究支持”。然而，她表示该组织“继续探索所有可能的CSF替代方案，以改进临床使用的检测，作为我们持续开展的突触核蛋白生物学研究项目的一部分”。CEO Iliuk表示Tymora不打算继续开发Communication Medicine论文中确定的标记物，但他指出，神经退行性疾病，特别是阿尔茨海默病，已成为Tymora内部生物标志物开发工作和为外部客户工作的重点。Iliuk指出，虽然血浆被广泛认为是临床诊断阿尔茨海默病生物标志物的最切实可行的替代样本，但帕金森病的研究显示了尿液EVs作为神经退行性疾病生物标志物来源的潜力。他说：“我们在血浆方面做了相当多的工作，我认为那是主要关注的地方。但是我们最近一直在研究尿液。现在还处于非常初期的阶段，人们对其作为一种可行的样本还存在很多犹豫，因为它距离大脑太远了，所以并不是一个合情合理的选择。但我认为帕金森病的研究表明神经退行性疾病的标志物可以传播到尿液中并被检测到。”福克斯基金会支持了许多其他在尿液中寻找帕金森病蛋白标记物的努力，包括2021年由马克斯普朗克生物化学研究所蛋白质组学和信号转导部门主任Matthias Mann实验室发表的蛋白质组学研究，该研究确定了几种潜在的帕金森病蛋白标志物。文章链接：https://www.nature.com/articles/s43856-023-00294-w

作者：钟丹丹博士，蒙敏博士 超滤技术专题系列 生命科学实验室的超滤设备 密理博提供的实验室超滤全套解决方案 尽管切向流过滤Amicon® Ultra的超速装置，提供优良的性能（使用水平吊篮转子尤佳）。更多的用于与大规模操作，但密理博为您开发了附有垂直膜面的生命科学实验室用超滤离心装置，常见的有 Amicon Ultra 离心超滤装置 密理博公司的Amicon离心超滤装置是一种理想的工具，可以用来对盐分、糖类、核酸、非水溶剂及其它一些低分子量物质进行去除和更换。它们还可以用来分离未结合上的游离标记物。 密理博离心超滤装置具有快速、方便、回收率高的特点，可替代并优于透析及乙醇沉淀。盐分通过滤膜的效率很高且不依赖于微溶质的浓度和大小。 Amicon Ultra内置超滤装置图解 Amicon Ultra 超滤离心管的使用方法 蛋白质样品: 把蛋白质样品加到Amicon Ultra的内管中，然后只需要10到20分钟的离心时间，就可把不需要的缓冲液和小分子超滤到外管里，从而在内管中获得高达30倍到80倍浓缩倍数的样品。 其它样品处理方法，请点击此处查看 Amicon Ultra使用示意图 Amicon Ultra 超滤离心管的应用 蛋白质样品浓缩、脱盐及缓冲液置换 样品中去垢剂的去除 双向电泳样品的制备 纯化血清多肽做生物标志物 抗体的快速浓缩 未结合标志物的去除 尿液的浓缩 核酸样品浓缩及脱盐 法医鉴定分析样品的预处理 更多有关生命科学实验室的超滤解决方案， 请咨询：china_bioscience_marketing@millipore.com 或 本文版权为密理博所有，欢迎转载或提出宝贵意见，转载时请注明密理博中国博客并附原文链接

p & nbsp /p p 　　层析纯化技术由于其高选择性、灵活性、易放大性等优点，已经成为蛋白质药物纯化中不可或缺的技术。传统的层析填料为多糖基质，孔径一般在100 nm以下。1970年代出现了大孔和微孔无机材料硅填料，虽然增大了孔道、提高了层析的分辨率和流速，但只能在PH2-7.5范围内稳定，不利于分离纯化在碱性范围内稳定的蛋白质或是需要碱性层析条件的分离，从而限制了其在大规模快速分离蛋白质层析上的应用。多孔聚合物微球由于其高的比表面积、高的机械强度和多样的表面特征，常被用作层析分离纯化的填料。目前已发展出了多种表面基团、基质种类的层析填料，成功用于疫苗、病毒、抗体、酶、细胞因子等的分离纯化。 /p p 　 span style=" color: rgb(0, 176, 240) " strong 　层析纯化病毒、病毒样颗粒等生物大分子的瓶颈问题 /strong /span /p p 　　随着病毒、病毒样颗粒在疫苗、肿瘤治疗、免疫治疗中的地位越来越重要，这类复杂生物大分子的分离纯化需求也逐渐增加。然而传统填料由于孔径较小，蛋白质只能以扩散方式通过填料，传质速率慢，处理量低，造成分离时间长、容易失活等问题[1]。当蛋白质体积较大时，填料表面在吸附一层蛋白后，由于体积位阻以及静电排斥作用，会阻碍其它的蛋白质进一步进入孔内，造成填料的载量下降。另一个限制是病毒或疫苗，尤其是带有包膜的病毒或疫苗，在狭窄的填料孔径内发生吸附时非常容易发生结构变化，破坏其整体结构。在乙肝病毒表面抗原(HBsAg)的纯化中发现这种病毒样颗粒在层析时会发生解聚[2]，经过离子交换层析分离后，疫苗的回收率通常不到50%[3, 4]。而抗原的结构发生变化以后，就会对其免疫原性产生影响，所以需要在纯化过程中尽可能维持抗原的结构。 /p p 　　为了解决针对病毒及病毒样颗粒纯化的瓶颈问题，目前已有采用膜色谱、超大孔贯穿孔颗粒填料及整体柱的策略进行纯化的案例，成功纯化了包括人乳头瘤病毒、番茄花叶病毒、流感病毒、腺病毒、慢病毒及各种病毒样颗粒。 /p p span style=" color: rgb(0, 176, 240) " strong 　　病毒及病毒样颗粒的分离纯化 /strong /span /p p 　　根据文献报道，超大孔填料相比传统层析填料不仅在载量及处理速度上有极大的优势，还更有利于病毒及病毒样颗粒的结构保持。 /p p 　　例如，在重组乙肝病毒表面抗原的分离纯化中，采用具有120nm及280nm超大孔径的离子交换填料DEAE-AP-120 nm和DEAE-AP-280 nm(商品名为中科森辉的Giga系列)具有比传统填料DEAE-FF高7倍以上的动态载量[1]。此外，采用ELISA测定抗原收率，发现采用超大孔填料能够减少重组乙肝病毒表面抗原在层析过程中的裂解，从而显著提高活性抗原的收率。 /p p style=" text-align: center " img width=" 576" height=" 450" title=" 1.jpg" style=" width: 415px height: 282px " src=" http://img1.17img.cn/17img/images/201808/insimg/3b67db18-4291-4ab6-9874-209cd57644af.jpg" / 　　 /p p style=" text-align: center " 重组乙肝病毒表面抗原在不同孔径离子交换填料上 /p p style=" text-align: center " 　　的吸附动力学[1] /p p style=" text-align: center " img width=" 497" height=" 345" title=" 2.jpg" style=" width: 387px height: 289px " src=" http://img1.17img.cn/17img/images/201808/insimg/07fdf233-77a5-4c30-8d20-faf7f044b54a.jpg" / 　 /p p style=" text-align: center " 　重组乙肝病毒表面抗原从不同孔径的填料上洗脱下来的 /p p style=" text-align: center " 　　ELISA回收率[1] /p p 　　对病毒的分离纯化同样有类似的效果。例如在灭活口蹄疫病毒的纯化中，DEAE-FF导致严重的病毒裂解。而采用具有100nm以上孔径的超大孔填料，不仅载量提高10倍以上，还能显著提高病毒在填料上吸附时的热稳定性，从而减少病毒的裂解，具有更高的收率。最终的分离纯化单步收率达90%以上[5]。 /p p style=" text-align: center " 　　 span style=" font-size: 14px " strong 灭活口蹄疫病毒在传统填料与超大孔填料上的吸附解离过程 /strong /span /p p 　　与商品填料的小孔道填料相比，超大孔结构可能从以下几方面提高对蛋白质构象的稳定性： /p p 　　1)增大孔道(受限空间)：根据蛋白质折叠行为计算显示，蛋白质的折叠速率与空腔大小、形状密切相关，也即当填料孔道与蛋白的相对尺寸超过某一阈值后，蛋白的折叠行为将不受空腔大小影响。与数十纳米中孔结构的传统填料的相比，数百纳米超大孔结构会因孔道增大、与蛋白接触面积减小，从而对某一尺寸下蛋白质的变构行为有所改善。 /p p 　　2)界面曲率：小孔径填料孔道曲率大，填料与蛋白质接触面积大，因此受更大吸附力影响，蛋白质二级结构变化越严重。而曲率更大的超大孔孔道对蛋白二级结构的保护比狭窄孔道更有优势。 /p p style=" text-align: center " 　 span style=" font-size: 14px " strong 　表面曲率变化对蛋白接触面积的影响 /strong /span /p p 　　3)改善配基与蛋白活性区域的接触面积：超大孔微球内部数百纳米孔道在修饰配基后可能会有效改善传统填料狭窄孔道内由于配基拥挤造成的蛋白质失活现象。 /p p 　　4)减少蛋白在孔道内的静电排斥作用：有研究者认为，在离子交换填料上蛋白质起初会在孔道入口处形成一圈静电层，这一静电层会对后来蛋白继续进入孔道产生排斥作用从而使孔道关闭，动态载量下降。如果将超大孔填料修饰为离子交换树脂，由于孔道尺寸显著扩大可能会有效改善蛋白吸附静电层对孔道的封闭作用，从而有效引导蛋白质进入超大孔道，提高回收率。 /p p span style=" color: rgb(0, 176, 240) " strong 　　快速分离蛋白质及pDNA /strong /span /p p 　　除了应用于病毒及病毒样颗粒的分离纯化的分离纯化，利用超大孔填料传质速度快的优势，将超大孔填料镀上亲水表层，再接上不同配基制成多种形式的层析填料，用于快速高分辨率的纯化蛋白混合物或质粒。超大孔填料制备成的亲和层析、反相层析和离子交换层析填料广泛的应用在蛋白质的分离纯化方向，显示出超大孔填料比传统分离填料高速高分辨率的蛋白质纯化优势。 /p p 　　例如以肌红蛋白、转铁蛋白和牛血清白蛋白的混合溶液为模拟体系，考察不同流速下超大孔聚苯乙烯阴离子交换介质(DEAE-AP，商品名为Giga系列)的分离效果，并与DEAE 4FF介质进行了对比。实验结果(图2)显示，作为对照的DEAE-4FF介质在流速达到361 cm/h时，分离效果已明显降低，而超大孔介质可以在流速高达1084 cm/h的条件下操作，分离效果良好，能够在6 min内实现三种生物大分子的快速分离。 /p p style=" text-align: center " img width=" 588" height=" 170" title=" 3.jpg" style=" width: 473px height: 144px " src=" http://img1.17img.cn/17img/images/201808/insimg/65df31ac-bd00-4a08-8a5a-feedfa1aa990.jpg" / /p p 　 span style=" color: rgb(0, 176, 240) " strong 　超大孔填料应用前景与展望 /strong /span /p p 　　近年来，随着生命科学的发展，生物样品越来越复杂，如人的血样、尿样、组织样品等，对生物分离分析技术提出更高的要求。根据超大孔填料固有的诸多优点，通过合成不同种类的超大孔固定相及在固定相上做不同功能的衍生，超大孔填料已经被广泛应用于生物分离分析中，但也存在一些问题。因此，发展新的制备手段，优化制备条件和过程，探索制备和分离机理，对于开辟新的应用领域以及开展实际样品的分离分析有更大的理论和现实意义。 /p p 　　根据已有的文献报道，我们可以预测今后几年的相关工作仍会集中在以下几个方面： /p p 　　(1)规则的聚合物整体材料内部形态。如获得规则的3D网络骨架，可控的孔径尺寸和分布。 /p p 　　(2)继续在微分离系统中扩展其应用。如在加压电色谱、微流控芯片材料、微流色谱和纳流色谱系统，甚至纳米器件开发等诸多方面大显身手。 /p p 　　(3)表面物理化学性质的调控向功能化、智能化方向发展。如基于分子印迹技术、温度响应以及pH响应的表面智能化的整体材料。 /p p 　　(4)制备规模整体柱的开发及其在生物下游技术中的应用。 /p p 　　目前，已经有一部分整体柱实现了商品化，但种类有限，还无法与种类繁多的颗粒型填充柱相提并论，也远未能满足分离分析的需求。而颗粒型的超大孔填料，由于其制备较困难、批次间重复性较差、价格昂贵等，也没有得到广泛的应用。相对于超大孔填充柱，有机相整体柱存在因流动相变会发生溶胀或收缩、机械强度差、比表面积小、柱容量差以及聚合过程中产生的微孔不利于小分子样品的分析等问题，现有报道大都用于生物大分子的分离。硅骨架整体柱也存在必须预先聚合好装入套管中，制备繁琐，比表面积较小的问题。因此，如何以更简便、有效的方式制备高效新型的超大孔填料并将其应用于实际样品的分离分析仍然是今后工作的重心。在实际工作中所面临的层出不穷的问题也是推动新型超大孔填料制备技术和方法发展的源源不竭的动力，在诸多的尝试中很可能就会出现某些性质优良的超大孔填料，这也预示着将来商品化的超大孔会越来越多。 /p p span style=" color: rgb(0, 176, 240) " strong 　　部分商品化的超大孔层析介质 /strong /span /p p 　　 strong 超大孔填料因其具有独特的多孔结构，与传统填料相比具有更加优良的渗透性和传质速率，可以在较低的操作压力下实现高效和快速的分离，已成为继多聚糖、交联与涂渍、单分散之后的第四代分离填料。可以预测，随着制备技术的不断提升，超大孔填料在生命科学、医药、环境和化学化工等领域必将大有可为。 /strong /p p 　　参考文献 /p p 　　[1] M.R. Yu, Y. Li, S.P. Zhang, X.N. Li, Y.L. Yang, Y. Chen, G.H. Ma, Z.G. Su, Improving stability of virus-like particles by ion-exchange chromatographic supports with large pore size: Advantages of gigaporous media beyond enhanced binding capacity, Journal of Chromatography A, 1331 (2014) 69-79. /p p 　　[2] P.M. Kramberger P, Boben J, Ravnikar M, ?trancar, A.S.m.c.a.b. in, p.a.f.q.o.t.m. virus., J. Chromatogr. A 1144(1). /p p 　　[3] W. Zhou, J. Bi, J.-C. Janson, A. Dong, Y. Li, Y. Zhang, Y. Huang, Z. Su, Ion-exchange chromatography of hepatitis B virus surface antigen from a recombinant Chinese hamster ovary cell line, Journal of Chromatography A, 1095 (2005) 119-125. /p p 　　[4] W. Zhou, J. Bi, J.C. Janson, Y. Li, Y. Huang, Y. Zhang, Z. Su, Molecular characterization of recombinant Hepatitis B surface antigen from Chinese hamster ovary and Hansenulapolymorpha cells by high-performance size exclusion chromatography and multi-angle laser light scattering, Journal of Chromatography B, 838 (2006) 71-77. /p p 　　[5] S.Q. Liang, Y.L. Yang, L.J. Sun, Q.Z. Zhao, G.H. Ma, S.P. Zhang, Z.G. Su, Denaturation of inactivated FMDV in ion exchange chromatography: Evidence by differential scanning calorimetry analysis, BiochemEng J, 124 (2017) 99-107. /p p /p

总有机碳TOC一般理论所有TOC分析仪都具备两种功能：将水中有机碳氧化成二氧化碳CO2，并测量所产生的CO2。TOC可用于对未正确清洁的设备中的杂质和残留物进行定量，以及检测所有含碳化合物：药物活性成分 （Active Pharmaceutical Ingredients， API）、清洁剂、蛋白质和中间产物。用来测量TOC的分析技术有着相同的目标：把有机分子完全氧化成CO2，检测所生成的CO2，并以碳浓度表示。所有方法都必须区分无机碳和有机碳，无机碳可能来自水中溶解的CO2和重碳酸盐，而有机碳则是由样品中有机分子氧化而成的。总碳（TC）是有机碳与无机碳之和，因此测得的总碳（TC）减去测得的无机碳（IC）的值就是TOC：TOC=TC–IC。各种TOC测定仪的不同之处在于氧化样品水中有机物的方法，以及检测样品中所生成CO2浓度的方法。不同的检测方法对样品分析的准确度有很大影响，进而影响清洁验证检测程序。TOC氧化技术市面上所有TOC测定仪都使用以下两种方法之一来氧化有机化合物并将之转换为CO2气体：燃烧法，或紫外（UV）+过硫酸盐法。燃烧技术使用氮气、氧气或空气流，温度在600°C以上。燃烧方法在氧化步骤中也使用催化剂。该类方法中常用的催化剂有氧化铜、氧化钻或铂。UV过硫酸盐氧化方法利用UV光使有机物完全氧化为CO2。将样品暴露在设备内汞蒸汽灯的UV光之下，将样品内的有机物转化为CO2气体。对于浓度大于1 ppm的样品或化合物 ，则在样品流中加入过硫酸盐并混合均匀，从而利用接受照射的样品生成的负价氢氧（HO-）基来确保氧化过程顺利进行。过硫酸盐是一种强氧化剂，在UV辐射下生成硫酸盐和氢氧基，可将有机化合物完全氧化为CO2。TOC检测方法为检测CO2浓度，分析仪器需要使用检测方法以区分样品中的CO2和其他分子。现有两种检测方法：非色散红外（Non-Dispersive Infrared， NDIR）或电导检测。用于气体测量的NDIR技术依靠各种气体在红外光谱范围内的能量吸收特征来判别分子类型。运用NDIR技术的TOC测定仪使红外线穿过两根完全相同的导管射入检测器。第一个导管作为参比池，充满无红外吸收的气体，如氮气。第二个导管（池）用于气体样品的测量。电导检测方法使用电导传感器，通过计算电导率确定CO2的浓度。为计算TOC，水溶液通过两个电导传感器，其中一个检测总碳（TC）浓度而另一个检测无机碳（IC）浓度。根据检测结果，计算出样品的TOC浓度。NDIR方法可对含碳范围在0.004–50,000 ppm的样品进行定量，而电导率法可以进行十亿分之一（part per billion, ppb）级的定量。总体而言，NDIR和电导率检测器对于低浓度的TOC有足够的灵敏度，但会受到离子干扰。使用只允许CO2选择性透过的半透膜可减轻此因素的影响。Sievers® TOC技术与众不同的特点结合使用UV过硫酸盐氧化与独特的选择性CO2膜技术，是Sievers系列TOC分析仪优于常规TOC技术（如燃烧 NDIR技术）的众多要素之一。Sievers技术能持续为用户提供更为精确的TOC读数。在Sievers基于选择性膜的电导方法中，CO2传送模块中的选择性CO2膜可阻止离子进入，在使CO2无阻通过的同时，排除了干扰化合物和氧化副产物。选择性CO2膜消除了背景干扰，并防止非碳基化合物和副产物聚集。清洁验证是一项充满挑战的工作，因为各种样品的TOC浓度有时是未知的，因此很难达到最佳分析条件。以下几个优点确保了UV过硫酸盐+膜电导技术在清洁验证应用中无可比拟的分析结果。试剂自适应功能保证完全氧化为使清洁验证样品完全氧化，Sievers M系列TOC分析仪具有试剂自适应功能，可优化酸和过硫酸盐氧化剂的流量。非催化燃烧方法非催化燃烧方法消除了向燃烧反应器中添加催化剂的定量（根据样品中碳浓度而定）时的人为误差。燃烧氧化方法会产生毒性气体。若清洁验证样品中含氯化物，燃烧可能生成对人体有潜在危害的气体，某些TOC分析仪不吸收这类气体。无需NDIR检测器NDIR检测器需要一定的时间来预热 （30到45分钟），因此造成更多的停工时间和样品积压。NDIR技术需要经常进行校正（每小时或每天），具体时间由清洁验证样品的碳浓度决定。这类检测器经常出现校正漂移现象。校正时间占NDIR仪器运行时间的6%到10%。不用载气NDIR检测器的载气价格不菲，并且泄漏和不稳定的校正经常会引起高TOC背景。载气污染也可能造成检测困难和引起碳的高背景。出色的灵敏度和高回收率Sievers TOC分析仪的电导池由高纯度石英制成，提供更佳的稳定性和0.03 ppb级别的检测。图1和表1从灵敏度和TOC回收率两个方面，就牛血清蛋白（Bovine Serum Albumin, BSA）对Sievers TOC技术与传统燃烧-NDIR TOC技术进行比较。图1. 牛血清蛋白 (BSA) TOC回收百分比对比研究表1. 牛血清蛋白 (BSA) TOC回收百分比对比研究****该对比研究使用完全校准后的仪器。分析之前，先进行并通过系统适应性测试。对两种仪器，制备并使用同一BSA储各溶液。研究在可控的环境中进行；分析期间，仪器未出现偏差。为什么说现在正是改用Sievers TOC分析仪进行清洁验证的时候？HPLC分析很漫长，增加了实验室清洁验证分析所需时间。使用HPLC将导致数小时或数天的停工，造成高额成本并减少提供给患者的产品数量。有例子表明，某些制药企业单日停工损失超过100万美元。表2将Sievers TOC分析仪与燃烧/催化-NDIR和燃烧-NDIR TOC分析仪进行了详细比较，其中包括估算的月运行成本。TOC是一种用于低浓度级别有机化合物检测的、简单快速的分析方法，并且可用于检测无法使用HPLC检测的污染物。与常规方法相比，TOC已被证明可减少75%以上的停工时间和方法验证时间。FDA出台的指导方针——21世纪现行药物生产质量管理规范 （cGMP' s for the 21st Century），旨在加强和更新药物制造规则，使用TOC分析进行清洁验证，与专属性分析方法相比 （如HPLC）在质量和效率上的优势已引发越来越多的关注。表2. TOC方法比较联系我们，了解更多！

蛋白质的分离纯化在生物化学研究应用中使用广泛，是一项重要的操作技术。一个典型的真核细胞可以包含数以千计的不同蛋白质，一些含量十分丰富，一些仅含有几个拷贝。为了研究某一个蛋白质，必须首先将该蛋白质从其他蛋白质和非蛋白质分子中纯化出来。 蛋白质分离纯化的一般程序可分为以下几个步骤——01 材料的预处理及细胞破碎分离提纯某一种蛋白质时，首先要把蛋白质从组织或细胞中释放出来并保持原来的天然状态，不丧失活性。所以要采用适当的方法将组织和细胞破碎。常用的破碎组织细胞的方法有：1. 机械破碎法这种方法是利用机械力的剪切作用，使细胞破碎。常用设备有，高速组织捣碎机、匀浆器、研钵等。2. 渗透破碎法这种方法是在低渗条件使细胞溶胀而破碎。3. 反复冻融法生物组织经冻结后，细胞内液结冰膨胀而使细胞胀破。这种方法简单方便，但要注意那些对温度变化敏感的蛋白质不宜采用此法。4. 超声波法使用超声波震荡器使细胞膜上所受张力不均而使细胞破碎。5. 酶法如用溶菌酶破坏微生物细胞等。02 蛋白质的抽提通常选择适当的缓冲液溶剂把蛋白质提取出来。抽提所用缓冲液的pH、离子强度、组成成分等条件的选择应根据欲制备的蛋白质的性质而定。如膜蛋白的抽提，抽提缓冲液中一般要加入表面活性剂（十二烷基磺酸钠、tritonX-100等），使膜结构破坏，利于蛋白质与膜分离。在抽提过程中，应注意温度，避免剧烈搅拌等，以防止蛋白质的变性。03 蛋白质粗制品的获得选用适当的方法将所要的蛋白质与其它杂蛋白分离开来。比较方便的有效方法是根据蛋白质溶解度的差异进行的分离。常用的有下列几种方法：1. 等电点沉淀法不同蛋白质的等电点不同，可用等电点沉淀法使它们相互分离。2. 盐析法不同蛋白质盐析所需要的盐饱和度不同，所以可通过调节盐浓度将目的蛋白沉淀析出。被盐析沉淀下来的蛋白质仍保持其天然性质，并能再度溶解而不变性。3. 有机溶剂沉淀法中性有机溶剂如乙醇、丙酮，它们的介电常数比水低。能使大多数球状蛋白质在水溶液中的溶解度降低，进而从溶液中沉淀出来，因此可用来沉淀蛋白质。此外，有机溶剂会破坏蛋白质表面的水化层，促使蛋白质分子变得不稳定而析出。由于有机溶剂会使蛋白质变性，使用该法时，要注意在低温下操作，选择合适的有机溶剂浓度。04 样品的进一步分离纯化用等电点沉淀法、盐析法所得到的蛋白质一般含有其他蛋白质杂质，须进一步分离提纯才能得到有一定纯度的样品。常用的纯化方法有：凝胶过滤层析、离子交换纤维素层析、亲和层析等等。有时还需要这几种方法联合使用才能得到较高纯度的蛋白质样品。05 蛋白质的分析测定通过物理或化学方法对蛋白质含量进行测定。蛋白质的分析纯化，不仅仅是选择合适的方法，必备的工具，例如微量均质器、干燥器、抗体保存盘等，也很重要。Bel-Art蛋白质分析纯化工具推荐本篇我们根据不同耗材在蛋白质分析纯化过程中的不同作用，分类为大家推荐几款合适的耗材。细胞裂解 热门优选 微量均质器-手持式货号：F65000-0000研磨组织和破碎细胞层析 热门优选 磁珠分离架货号：F19900-000分离结合在磁珠上的蛋白质以快速纯化透析热门优选 透析袋夹持器货号：F18237-0000测定热门优选贝塔盾货号：F24976-0001在进行C14分析时减少接触电泳热门优选 Spindrive&trade 轨道摇床平台货号：F37041-0001提供彻底、温和的凝胶混合，同时*限度地扩大实验室空间

干乳粉的复水性是指干粉在加水后恢复成乳液的能力。‌复水性是衡量干制品品质的重要指标之一，特别是在衡量奶粉等干制品的质量时。复水性的好坏直接关系到奶粉在加水后能否恢复到接近原始牛奶的状态。奶粉的复水性对于保证其营养价值和口感至关重要，因为它直接影响到奶粉的实用性和消费者的接受度。‌ 蛋白质含量高且以酪蛋白为主的乳制品粉末例如浓缩乳蛋白（MPC）很难完全复水，即使经过长时间的复水。MPC包含广泛的产品类别，涵盖低、中、高蛋白粉末的复水特性尚未得到广泛研究。本研究采用综合实验方法，包括测量粒度分布随时间的变化，以及使用分析离心法测量沉降行为，以表征MPC粉末在一系列蛋白质浓度下（从成分接近脱脂奶粉的 MPC35到实际上为牛奶蛋白分离物的MPC90）的复水特性。 1. 材料和方法 1.1浓缩乳蛋白粉 1.2分散性：粒度分布 用粒度仪测量MPC悬浮液在复水化90分钟和24小时后的PSD。对于每个MPC样品，观察到一个小于1 um的峰，该峰被认为代表酪蛋白胶束，而第二个大于10 um的峰被认为代表初级粉末颗粒（喷雾干燥过程中由雾化液滴形成的非团聚颗粒）。 1.3 分散：沉降和沉降压缩 分析离心机（LUMiSizer ，L.U.M. GmbH）测量透射近红外光的强度，该强度是水平放置在光路上的细胞长度上时间和位置的函数，用于测量再水化90分钟和24小时的 MPC 悬浮液中的沉降行为。将悬浮液装入PA管（2 mm）。使用两个离心步骤进行测量，36g离心10分钟，然后168g离心10分钟。离心过程中温度保持在25℃。图中显示了离心10秒、5、10、15和20分钟后的谱线。首先绘制相边界（沉积物水相）随时间的运动，然后从池底位置（129 毫米，根据去离子水的沉降曲线确定）中减去稳态值，从而计算出沉降高度。 2. 结果与讨论——分散特性 在经过合理的复水时间后，高蛋白MPC中存在较大的不易分散的颗粒。复水90分钟后，MPC70、MPC80、MPC85 或 MPC90 中最多只有2%的颗粒由酪蛋白胶束组成（图1）。复水24小时后，酪蛋白胶束的比例增加，可能是因为它们从分散性较差的初级颗粒表面表层释放出来，而初级颗粒的比例同时下降（图1）。 图1. 在25℃的去离子水中复水90分钟（灰色条）或复水24小时（白色条）后，初级颗粒（上）和酪蛋白胶束（下）的体积（占总粒子总数的百分比）。 分析离心法用于获取有关MPC悬浮液的光学特性、初级粒子的沉降行为以及所得沉积物的可压缩性的信息。图2显示了低蛋白（MPC35）、中蛋白（MPC70）和高蛋白（MPC90） 粉末在复水90分钟后的三种代表性沉降曲线；这些蛋白质类别中的其他粉末表现出与所选 MPC 粉末非常相似的行为。根据粉末的不同，随着离心的进行，可以在样品池中识别出不同的区域：稳定分散体，即胶体悬浮液中的酪蛋白胶束；初级粒子，即最初向样品池底部集中的初级粉末颗粒，但随着时间的推移会沉淀；初始沉积物，即在低速离心过程中由初级粉末颗粒形成的沉积物；压缩沉积物，即由于离心速度增加而压缩而高度降低的沉积层。 图 2. 浓缩乳蛋白 MPC35（顶部）、MPC70（中间）和 MPC90（底部）在 25℃的去离子水中复水 90 分钟后的代表性沉降曲线，显示NIR光通过样品池的透射率随时间（1 = 10秒、2 = 5分钟、3 = 10分钟、4 = 20分钟）和样品池中的位置而变化。在样品以36g离心10分钟，然后以168g离心10分钟时捕获曲线。插图显示了一个示意图，解释了离心过程中样品池内形成的不同区域。虚线表示样品池底部的位置，从中可以计算出沉淀物的高度（如果存在）。 在MPC35中，样品以酪蛋白胶束为主，酪蛋白胶束在悬浮液中稳定且不会沉淀，因此透射率不会随时间发生变化。相反，MPC90，最初整个样品池中都存在初级粒子，这会导致10秒后透射率非常低；在离心过程中，这些粒子会形成沉淀物，导致样品池底部透射率低，而其他地方透射率高；然后，随着离心速度的提高，该沉淀物被压缩（产生更高的光密度和降低的沉淀物高度）。 复水90分钟后，MPC35没有发生任何沉淀，尽管其颗粒群中有45%以上由初级颗粒组成（图1）。相反，MPC70和MPC90中的初级颗粒在离心过程中形成了明显的沉淀层，其特征是在样品池底部形成一个光学致密区域（图2）。对于MPC70，在形成沉淀层之前，这种物质集中在靠近样品池底部的地方，而对于MPC90，它分散在样品池内的更大区域，导致透射读数远低于胶体稳定性区域。复水90分钟后，沉淀物高度随着蛋白质含量从MPC70到MPC90而增加（图3）。当施加更高的离心力时，这些样品形成的沉淀层会受到压缩，这种影响对于高蛋白粉末比的MPC70更明显（图3）。随着蛋白质含量的增加，观察到沉淀区域上方的透射值更低。 图 3. 浓缩乳蛋白（MPC）粉末经过90分钟的复水后在25 ℃下以36g离心10分钟（灰色条），然后再以168g离心10分钟（白色条）形成的沉淀物的高度。 值得注意的是所有样品在复水24小时后的沉降曲线均表明完全的悬浮稳定性，跟图2中的MPC35谱图类似，尽管悬浮液中仍残留有初级颗粒大小的物质。高蛋白 MPC 粉末的沉降行为强烈依赖于复水时间，初级颗粒在复水90分钟后沉降，但在复水24小时后不会沉降。 3. 结论 a、粉末的初始复水特性和悬浮稳定性随着蛋白含量的增加而降低。 b、经过长时间的复水后，所有的粉末都能完全悬浮。 c、LUMiSizer能区分不同粉末的复水特性和悬浮稳定性，也能做粒径检测。

干血斑（Dried Blood Spot, DBS）是一种微量血液采集、干燥和储存的生物采样技术。该技术由Robert Guthrie于1963年首次应用于新生儿苯丙酮尿症（PKU）筛查[1]。相比于临床检验中常用的液态血液基质，干血斑技术具有采血量少、操作简便、一般不需冷冻或冷藏、储存和运输成本低等优点，已应用于新生儿疾病筛查、流行病学样本分析、药物研发等领域。将干血斑应用于蛋白质研究，拓宽了蛋白质分析研究的生物样本采集形式，具有很好的临床研究和实际应用价值。本文重点讨论两种常见干血斑蛋白质分析技术及应用。1. 基于干血斑的蛋白分析技术1.1 酶联免疫吸附分析法原理：酶联免疫吸附分析法（ELISA）是指将可溶性的抗原或抗体结合到聚苯乙烯等固相载体上，利用抗原抗体特异性结合，进行免疫反应的定性和定量分析，具有灵敏、特异、及易于自动化操作等特点。根据免疫识别和信号输出方式的不同，ELISA可以分为双抗体夹心法、直接免疫竞争法和非直接免疫竞争法等。实验材料及分析仪器：研究人员可通过购买固相载体、抗体或抗原进行包被制备ELISA试剂盒或购买市售试剂盒。酶联免疫吸附测定试剂盒已成为实验中不可缺少的工具，目前国内外Elisa试剂盒生产厂家很多，如上海酶联生物、Abcam、BioVision等，科研人员可根据研究需求选择高质量的试剂盒品牌，以提升分析效率及结果有效性。干血斑处理：以干血斑HIV分析为例：用HIV阴性混合血液样本对阳性混合血液样本进行梯度稀释后，以固定体积点样至干血斑收集卡，室温下干燥。采用干血斑打孔设备获得一定直径的干血斑样片，用300 μL PBST（0.05% Tween20）室温静置洗脱，洗脱液经酶标仪测定样本吸光度值（OD值）。分析和结果处理：以标准曲线样品的浓度为横坐标，以测得的OD值为纵坐标，根据不同类型ELISA本身的特点拟合标准曲线（如竞争法和夹心法可以采用四参数拟合回归方程），选择R值大于0.99的拟合方式，并根据标准曲线计算样品浓度。分析仪器：酶标仪（MicroplateReader）即酶联免疫检测仪，是对酶联免疫检测（EIA）实验结果进行读取和分析的专业仪器。酶标仪可分为普通酶标仪和多功能酶标仪，普通酶标仪的主要功能一是充当分光光度计的角色，二是基于免疫反应的ELISA分析，价格相对较低；多功能酶标仪可实现吸光度、荧光强度、时间分辨荧光、荧光偏振和化学发光等多种检测模式拓展，满足生化分析、免疫检测、细胞研究、药物筛选和机制探索等众多领域检测需要。目前酶标仪市场常用的仪器品牌进口的有：伯腾、帝肯、美谷分子、珀金埃尔默和赛默飞等；国产的有：安图生物、奥盛和闪谱等。1.2 基于质谱技术的蛋白质分析技术基于质谱（Mass Spectrometry, MS）技术的蛋白质分析方法具有高通量、自动化程度高、分离能力强等特点，已逐渐成为蛋白质分析和鉴定的重要技术。原理：蛋白酶将样本中的蛋白质消化成肽段混合物，可采用鸟枪法（Shotgun）对蛋白组进行全谱分析，在最小限度分离蛋白质的同时实现复杂混合物中成千上万种蛋白质的鉴定和定量；或用液相色谱法（Liquid Chromatography, LC）对酶解肽段进行分离，经基质辅助激光电离（MALDI）或电喷雾电离（ESI）等软电离技术将其离子化，带电蛋白质离子通过质量分析器将具有特定质荷比的肽段离子分离，然后经检测器分析。质谱技术与干血斑技术的结合为蛋白质组学研究和蛋白生物标志物筛选提供了强有力手段。图1 基于质谱技术的蛋白质组学分析流程[2]样本处理：采用干血斑打孔设备获得一定直径的干血斑样片，转移至EP管中，加入少量水后用组织研磨器或匀浆机快速、彻底破碎干血斑样片，剧烈摇晃试管。后续处理与常规样本的蛋白提取相似：加入蛋白裂解液（如SDS、SDC、RIPA等），冰上裂解约半小时（辅以震荡），低温、高转速离心后取上清，得干血斑蛋白提取物。分析和结果处理：蛋白质组学数据分析和结果处理包括：①应用数据库搜库对蛋白进行鉴定并相对定量分析，借助如主成分分析、相关性分析、聚类分析等方法掌握数据的整体情况；②对蛋白的生物学功能进行注释，例如GO功能注释、KEGG注释等；③通过蛋白的生物学功能或参与的信号通路可以进一步筛选与研究目标相关的蛋白进行后续的分析。分析仪器：蛋白质组学分析主要使用高分辨液质联用系统进行。可进行蛋白质组学分析的液质联用系统目前以进口为主，常见仪器主要有布鲁克、赛默飞、沃特世和SCIEX的Q-TOF、Q-Orbitrap、Q-Trap质谱仪等。2. 干血斑蛋白分析应用实例分享2.1 采用ELISA法分析干血斑中HIV抗体1996年美国食品药品监督管理局（FDA）批准了以干血斑为载体的样本邮寄传递检测模式，并证明其可作为传统检测模式的良好补充，极大地推动了干血斑技术在传染性疾病分析中的应用。在我国，全国艾滋病检测技术规范（2020年修订版）第二章第4部分“常规HIV抗体或HIV抗体抗原联合检测方法”中指出：ELISA试验可使用血液（包含血清、血浆和干血斑）或尿液样本检测HIV抗体，也可联合检测HIV抗体抗原，说明干血斑在基于ELISA技术的HIV抗体检测中是可代替血浆、血清的生物样本基质，具有广阔的应用前景。近年来，相关专家多推荐受检者使用HIV自主采样包，根据说明采集干血斑样本，匿名寄至专业实验室，通过电话等方式获取结果。图2 RDA Spot公司的干血斑自主采样包（包含一次性采血针，消毒湿巾，样本采集卡，使用说明书及用于运输的特殊包装）图片来源：https://www.rdaspot.com/2.2 基于质谱技术的干血斑蛋白质组学分析研究人员建立了应用Thermo UltiMate 3000 RSLCnano纳升液相色谱联合Q Exactive HF-X质谱技术的干血斑蛋白质组学分析方法，并于2020年在Journal of Proteome Research中报道了该项工作[3]。由于全血中含有较多可溶性蛋白（如血红蛋白、白蛋白、纤维蛋白原等），研究人员为克服干扰、提高分析灵敏度，采用碳酸钠沉淀法（SCP）成功去除干血斑中可溶性蛋白并富集目标分析物疏水性蛋白。采用基于数据非依赖采集模式（DIA）的蛋白质组学分析方法，进行EMBL-EBI（针对人类蛋白GO功能分析的综合注释数据库）蛋白组学搜库分析，通过限定质谱扫描范围和延长离子累积时间等提高了分析方法的检测灵敏度。该研究最终在健康受试者干血斑样本中鉴定到1977种蛋白质，其中包含585种疾病相关蛋白。3. 小结与展望干血斑是一种先进的血液采集及保存技术，具有操作简单、对人体损伤小、便于运输和储存等优势，在临床快检中受到关注。干血斑技术与蛋白质研究的结合将有效推动蛋白质研究成果临床转化。随着分析技术的发展和相关研究的不断深入，前处理自动化仪器、高通量分析仪器和成熟的蛋白分析流程将成为干血斑蛋白质分析的有力工具，干血斑蛋白质分析定将在蛋白质分析中发挥重要作用，为高通量诊断、差异蛋白分析和疾病生物标志物挖掘等拓展新的技术平台。参考文献：[1] R. Guthrie, & Susi, A., A Simple phenylalanine method for detecting phenylketonuria in large populations of newborn infants., Pediatrics, 32 (1963) 338–343.[2] B. Kuster, M. Schirle, P. Mallick, R. Aebersold, Scoring proteomes with proteotypic peptide probes, Nature Reviews Molecular Cell Biology, 6 (2005) 577-583.[3] D. Nakajima, Y. Kawashima, H. Shibata, T. Yasumi, M. Isa, K. Izawa, R. Nishikomori, T. Heike, O. Ohara, Simple and sensitive analysis for dried blood spot proteins by sodium carbonate precipitation for clinical proteomics, Journal of proteome research, 19 (2020) 2821-2827.

新型分析柱采用杂化颗粒技术，具有很长的使用寿命，可提供良好的批次间一致性和可重现的分析结果 马萨诸塞州米尔福德——（美国商业资讯）——沃特世公司（纽约证券交易所代码：WAT）今日隆重推出了全新的体积排阻色谱（SEC）柱，可用于蛋白的分析表征。XBridge Protein BEH SEC色谱柱可与Waters Alliance HPLC、Waters ACQUITY UPLC H-Class系统以及其它HPLC/UHPLC仪器联用，能够为按照尺寸大小进行的蛋白类生物治疗药物分离提供最大的样品通量和最高的分离度。沃特世全球各分公司现已开始供应此类色谱柱。 沃特世XBridge Protein BEH SEC色谱柱适用于蛋白类治疗药物的色谱分析。（图片：美国商业资讯） XBridge Protein BEH SEC色谱柱采用3.5μm颗粒填充，提供有200或450 埃孔径可选，可用于分析分子量在10,000至1,500,000 Da范围内的蛋白质和其它生物分子。与传统硅胶基质SEC色谱柱相比，此类色谱柱的设计可承受更高的流速和压力条件。这些性能优势均可提高样品通量，或将多个色谱柱串联使用，实现更高的组分分离度。 XBridge Protein BEH SEC色谱柱采用了沃特世的BEH（亚乙基桥杂化颗粒技术）二醇基键合颗粒，具有相当长的使用寿命，同时，沃特世的专利生产工艺可确保其具有无可比拟的批次间和柱间一致性，从而提供可重现的分析结果。这些新产品进一步丰富了沃特世ACQUITY Protein BEH SEC色谱柱系列，现在，分析人员通过仅有粒径差异的色谱柱即可将分析方法从UPLC无缝转换至HPLC。每个批次的XBridge Protein BEH SEC 200 埃和450 埃，3.5μm填料都经过全面检测，从而确保了无可比拟的批次间一致性。每根色谱柱都随附有一瓶BEH200或BEH450 SEC蛋白质标准品混合物，可用于色谱柱和液相色谱系统的基准测试、方法开发或故障排除。这些标准品与XBridge Protein BEH SEC批次质量控制检测所使用的标准品相同，用户可在收到色谱柱后使用这些标准品验证色谱柱性能，以及监测色谱柱性能随时间发生的变化。 更多信息：XBridge Protein BEH SEC色谱柱产品信息：www.waters.com/hplcsec 关于沃特世公司（www.waters.com）50多年来，沃特世公司（纽约证券交易所代码：WAT）通过提供实用、可持续的创新，使医疗服务、环境管理、食品安全和全球水质监测领域有了显著进步，从而为实验室相关机构创造了业务优势。作为一系列分离科学、实验室信息管理、质谱分析和热分析技术的开创者，沃特世技术的重大突破和实验室解决方案为客户的成功创造了持久的平台。2013年沃特世拥有19亿美元的收入，它将继续带领全世界的客户探索科学并取得卓越成就。Waters、ACQUITY、ACQUITY UPLC、Alliance和XBridge是沃特世公司的商标。

《自然-方法学》：蛋白质结构分析新技术创测定速度纪录 　　过去需几年时间完成的工作现在仅用几天即可完成 　　据美国物理学家组织网7月20日报道，隶属于美国能源部的劳伦斯伯克利国家实验室的科学家开发出一种利用小角度X射线散射技术测定蛋白质结构的新方法，大大提高了蛋白质结构研究分析的效率，使过去需要几年时间完成的工作仅需要几天即可完成，这将极大地促进结构基因组学的研究进程。 　　结构基因组学是一门研究生物中所有蛋白质结构的科学。通过对蛋白质结构的分析，可大致了解蛋白质的功能。结构基因组学重视快速、大量的蛋白质结构测定，而快速结构测定技术正是该学科研究面临的一个瓶颈问题。目前通常使用的两种测定技术，X射线晶体衍射和核磁共振质谱技术，虽然精确，但速度很慢，测定一个基因的蛋白质结构，动辄就需要几年的时间。随着新发现的蛋白质及蛋白质复合物越来越多，目前的分析速度远远不能满足研究的需要。 　　为解决这个瓶颈问题，劳伦斯伯克利国家实验室的科学家们借助了该实验室的先进光源(ALS)。他们运用一种称为小角度X射线散射(SAXS)的技术，对处于自然状态下(如在溶液之中)的蛋白质进行成像，其分辨率大约为10埃米(1埃米等于1/10纳米)，足够用来测定蛋白质的三维结构。ASL产生的强光可以使实验所需材料减至最少，这使得该技术可以用于几乎所有生物分子的研究。 　　为了最大限度提高测定速度，研究小组安装了一个自动装置，可自动使用移液器吸取蛋白质样品到指定位置，以便利用X射线散射进行分析研究。他们还使用美国能源部国家能源研究科学计算机中心(NERSC)的超级计算资源进行数据分析。利用这一系统，研究小组取得了惊人的研究效率，在1个月内分析测定了火球菌的40组蛋白质结构。如果使用X射线晶体衍射技术，这可能需要花几年时间。同时，他们所获取的信息十分全面，涵盖了溶液中大部分蛋白质样本的结构信息。相比于在结构基因组学启动计划中使用核磁共振和晶体衍射技术仅能获取15%的信息量来说，这是十分巨大的进步。 　　高通量蛋白质结构分析有助于加快生物燃料的研究步伐，帮助解读极端微生物在恶劣环境中的繁荣之谜，更好地理解蛋白质的功能。研究小组之所以首先选择火球菌进行实验分析，就是因为它可用来生产清洁能源——氢。同时，在许多工业流程中都会出现高酸高热的环境状态，而这正是火球菌喜欢的生存环境。 　　但这种技术也有不足之处，追求速度会造成一种失衡，使成像质量相应打了折扣。与X射线晶体衍射成像的超高分辨率相比，小角度X射线散射成像的分辨率比较低，大约是10埃米。但这并不妨碍该技术的应用前景，因为并不是所有的研究都需要超高精度成像。对于结构基因组学研究来说，有时只要知道一种蛋白质与另一种蛋白质具有相似的结构，就可以了解其功能。而且，小角度X射线散射技术能够提供溶液中蛋白质形状、结构及构造变化等方面的精确信息，足以弥补其在成像精度方面的不足。 　　该研究成果刊登在7月20日《自然—方法学》杂志网络版上，美国斯克利普斯研究所和乔治亚州大学的科学家亦参与了该项研究。

2011年4月15日—18日，月旭公司的董事长赵岳星博士将带领相关人员参加在浙江省杭州市举办的“第七届中国蛋白质组学大会暨第三届国际蛋白质组学论坛”。本届会议由中国生物化学与分子生物学会蛋白质组学专业委员会（CNHUPO）和国际蛋白质组学论坛（IFP）主办，北京蛋白质组研究中心、国际蛋白质组学论坛及浙江大学共同承办。 月旭公司是Eksigent品牌从2007年以来在中国（包括香港）地区的du家代理；从2011年起，月旭公司被授权du家代理AB以外的中国区业务。 展会期间，月旭公司也将展出Xtimate、Ultimate、Welchrom和Topsil等四大系列的色谱柱、Welchrom气相柱、SPE固相萃取小柱、样品瓶等色谱耗材。月旭公司在本届会议上的展台号：A4，欢迎广大新老客户的光临和咨询！

蛋白质作为生命活动的执行者,通过自身结构的动态改变,以及与其他蛋白质相互作用组装为蛋白质复合物,调控各种生物学过程。因此,如何实现蛋白质复合物的精准解析已成为当前生命科学的研究热点。化学交联结合质谱(CXMS)技术作为蛋白质复合物解析的新兴技术,利用化学交联剂将空间距离足够接近的蛋白质分子内或分子间的氨基酸残基以共价键连接起来,再利用液相色谱-质谱联用对交联肽段进行鉴定,实现蛋白质复合物的组成、界面和相互作用位点的解析。该技术具有分析通量高、灵敏度高、可提供蛋白质间相互作用的界面信息、普遍适用于不同种类和复杂程度的生物样品等优势,已成为X射线晶体衍射、低温冷冻电镜、免疫共沉淀等蛋白质复合物研究技术的重要补充。化学交联位点的鉴定覆盖度和准确度决定着该技术对于蛋白质复合物结构的解析能力。目前,为了实现蛋白质复合物的高覆盖度交联,研究人员发展了可用于共价交联赖氨酸(K)的氨基、谷氨酸(E)/天冬氨酸(N)的羧基、精氨酸(R)的胍基以及半胱氨酸(C)的巯基等多种活性基团的新型交联剂。进而,为了提高低丰度交联肽段的鉴定灵敏度,体积排阻色谱法、强阳离子交换色谱法,及亲和基团富集策略被提出用于交联肽段的高选择性富集,如可富集型化学可断裂交联剂——Leiker,与不具备富集功能的交联剂相比,通过亲和富集可以将交联位点鉴定数目提高4倍以上。胰蛋白酶镜像酶(LysargiNase)的酶切位点与胰蛋白酶互为镜像,可特异地切割赖氨酸和精氨酸的N端。由于LysargiNase的N端酶切特点,电荷主要分布在交联肽段的N端,在碰撞诱导裂解(CID)和高能诱导裂解(HCD)模式下产生以b离子为主的碎片离子,与胰蛋白酶酶切肽段以y离子为主的碎片离子互为镜像补充,为胰蛋白酶酶解肽段在质谱鉴定中b离子缺失严重的问题提供了很好的解决办法。由于具有较高的酶切特异性和酶活性,镜像酶已经成功地应用于蛋白质C末端蛋白质组鉴定、磷酸化蛋白质组研究、甲基化蛋白质组鉴定等方面,然而在CXMS中的应用仍未见报道。为进一步提高对蛋白质复合物结构及相互作用位点的解析能力,本文发展了LysargiNase与胰蛋白酶联合酶切的方法,基于镜像酶正交切割的互补特性,通过产生赖氨酸及精氨酸镜像分布的交联肽段,以增加特征碎片离子数量和肽段匹配连续性,从而提升交联肽段的谱图鉴定质量,达到提高交联位点的鉴定覆盖度和准确度的目的。通过分别对牛血清白蛋白及大肠杆菌全蛋白样品的交联位点鉴定结果的考察,评价该策略对单一蛋白样品和复杂细胞裂解液样品蛋白质复合物表征的应用潜力。蛋白质样品制备称取牛血清白蛋白粉末,以20 mmol/L 4-(2-羟乙基)-1-哌嗪乙磺酸(HEPES, pH 7.5)作为缓冲体系,配制0.1 mmol/L牛血清白蛋白溶液。大肠杆菌细胞(种属K12)在37 ℃下采用Luria-Bertani(LB)培养基培养24 h,然后于4 ℃以4000 g离心2 min,收集细胞沉淀。细胞沉淀采用磷酸盐缓冲液(PBS)清洗3遍后,悬浮于细胞裂解液(含20 mmol/L HEPES和1%(v/v)蛋白酶抑制剂)中,冰浴超声破碎180 s(30%能量,10 s开,10 s关)。匀浆液于4 ℃以20000 g离心40 min,收集上清,采用BCA试剂盒测定所得蛋白质含量。稀释大肠杆菌蛋白裂解液至蛋白质含量为0.5 mg/mL。化学交联样品制备以20 mmol/L HEPES(pH 7.5)为溶剂配制浓度为20 mmol/L 的BS3交联剂母液 将交联剂母液加入牛血清白蛋白的缓冲溶液及大肠杆菌蛋白裂解液中,使交联剂的终浓度为1 mmol/L,在室温条件下反应15 min 通过添加终浓度为50 mmol/L的淬灭溶液NH4HCO3进行交联反应淬灭,并在室温下孵育15 min 在冰浴条件下,将交联样品逐渐滴入8倍体积的预冷丙酮中,于-20 ℃静置过夜 在4 ℃条件下,以16000 g转速离心,去除丙酮,然后将交联蛋白用预冷丙酮清洗2次,去除上清液后,于室温挥发掉残余的丙酮 以8 mol/L尿素溶液复溶蛋白质沉淀 将牛血清白蛋白交联样品以5 mmol/LTCEP作为还原剂,于25 ℃下反应1 h进行变性和还原 将大肠杆菌样品以5 mmol/LDTT作为还原剂,于25 ℃下反应1 h进行变性和还原,避免大肠杆菌蛋白在酸性条件下发生变性 添加终浓度为10 mmol/L的碘乙酰胺(IAA),在黑暗中,于室温下反应30 min 以50 mmol/LNH4HCO3稀释样品至尿素浓度为0.8 mol/L后,将样品均分为两份,一份以蛋白样品与蛋白酶的质量比呈50:1的比例加入胰蛋白酶,于37 ℃酶解过夜,另一份加入终浓度为20 mmol/L的CaCl2,以蛋白样品与蛋白酶的质量比呈20:1的比例加入LysargiNase,并在37 ℃温度下酶解过夜。液相色谱-质谱鉴定及数据搜索上述所有样品经过除盐,使用0.1%甲酸(FA)溶液复溶,用超微量分光光度计测定肽段浓度,进行反相高效色谱分离和质谱分析。牛血清白蛋白样品采用Easy-nano LC 1000系统偶联Q-Exactive质谱仪平台进行质谱分析。流动相A: 2%(v/v)乙腈水溶液(含0.1%(v/v)FA) 流动相B: 98%(v/v)乙腈水溶液(含0.1%(v/v)FA)。梯度洗脱程序:0~10 min, 2%B~7%B 10~60 min, 7%B~23%B 60~80 min, 23%B~40%B 80~82 min, 40%B~80%B 82~95 min, 80%B。Q-Exactive质谱仪采用数据依赖性模式,Full MS扫描在Orbitrap上实现,扫描范围为m/z 300~1800,分辨率为70000(m/z=200),自动增益控制(AGC)为3×106,最大注入时间(IT)为60 ms,母离子分离窗口为m/z 2。MS/MS扫描的分辨率为17500(m/z=200),碎裂模式为HCD,归一化碰撞能量(NCE)为35%, MS2从m/z 110开始采集,MS2的AGC为5×104, IT为60 ms,仅选择电荷值为3~7且强度高于1000的母离子进行碎裂,并将动态排除时间设置为20 s。每个样品分析3遍。大肠杆菌样品采用EASY-nano LC 1200系统偶联Orbitrap Fusion Lumos三合一质谱仪平台进行质谱分析。流动相A: 0.1%(v/v)甲酸水溶液 流动相B: 80%(v/v)乙腈水溶液(含0.1%(v/v)FA)。梯度洗脱程序:0~28 min, 5%B~16%B 28~58 min, 16%B~34%B 58~77 min, 34%B~48%B 77~78 min, 48%B~95%B 78~85 min, 95%B。Orbitrap Fusion Lumos三合一质谱仪采用数据依赖性模式,Full MS扫描在Orbitrap上实现,扫描范围为m/z 350~1500,分辨率为60000(m/z=200), AGC为4×105, IT为50 ms,母离子分离窗口为m/z 1.6。MS2扫描的分辨率为15000(m/z=200),碎裂模式为HCD, NCE为30%, MS2从m/z 110开始采集,MS2的AGC为5×104, IT为60 ms。仅选择电荷值为3~7且强度高于2×104的母离子进行碎裂,并将动态排除时间设置为20 s。每个样品分析3遍。质谱数据文件(*.raw)采用pLink 2软件(2.3.9)对交联信息进行检索和鉴定。使用从UniProt于2019年4月27日下载的牛血清白蛋白序列和大肠杆菌序列,搜索参数如下:酶切方式为胰蛋白酶(酶切位置:K/R的C端)、LysargiNase(酶切位置:K/R的N端) 漏切位点个数为3 一级扫描容忍(precursor tolerance)2.00×10-5 二级扫描容忍(fragment tolerance)2.00×10-5 每条肽段的质量范围为500~1000 Da 肽段长度的范围为5~100个氨基酸 固定修饰为半胱氨酸还原烷基化(carbamidomethyl [C]) 可变修饰为甲硫氨酸氧化(oxidation [M])、蛋白质N端乙酰化(acetyl [protein N-term]) 肽段谱图匹配错误发现率(FDR)≤5%。映射胰蛋白酶与LysargiNase酶解样品的交联位点在牛血清 白蛋白晶体结构(PDB: 3V03)的映射 LysargiNase与胰蛋白酶酶解样品的交联位点对及单一交联位点的互补性LysargiNase与胰蛋白酶酶解样品共同得到的交联位点鉴定打分比较b+/++与y+/++离子碎片分别在α/β-肽段的碎片覆盖度LysargiNase与胰蛋白酶酶解的交联肽段质谱图大肠杆菌样品中LysargiNase与胰蛋白酶酶切鉴定蛋白质复合物信息互补性带点击了解原文：https://www.chrom-china.com/article/2022/1000-8713/1000-8713-40-3-224.shtml

内源差示扫描荧光技术如何应用到多功能蛋白质稳定性分析北京佰司特贸易有限责任公司蛋白质是生物体中广泛存在的一类生物大分子，具有特定立体结构的和生物活性以及诸多功能，根据这些功能我们可以将其应用于蛋白质的分子设计、蛋白质功能的改造、疾病的基因治疗以及新型耐抗药性药物的开发与设计甚至是发现生物进化的规律等先进科研领域上。因此，蛋白质具有非常重要的研究价值。进行蛋白质性质和功能研究的前提是获得稳定的蛋白质样品，而由于蛋白质自身性质的复杂性，难以保证获得的蛋白质样品是否具有正确的三维结构以及功能，因此急需一种技术手段或设备，对蛋白质的稳定性进行分析，确定获得蛋白质最ZUI适宜的缓冲液条件、蛋白质的长期储存稳定性等。另外在进行蛋白质-配体小分子相互作用研究时，因为需要筛选的小分子配体数量巨大，因此也急需一种技术手段或设备，可以高通量的对配体结合进行筛选。蛋白中的色氨酸和酪氨酸可以被280 nm的紫外光激发并释放出荧光，其荧光性质与所处的微环境密切相关。蛋白变性过程中，色氨酸从疏水的蛋白内部逐渐暴露到溶剂中，荧光释放的峰值也从330 nm逐渐转移到350 nm。内源差示扫描荧光技术（intrinsic fluorescence DSF），通过检测温度变化/变性剂浓度变化过程中蛋白内源紫外荧光（350 nm/330 nm比值）的改变，获得蛋白的热稳定性(Tm值)、化学稳定性（Cm值）等参数。相比传统的方法，无需添加染料，通量高，样品用量少，数据精度高。 多功能蛋白质稳定性分析仪PSA-16是一款无需加入荧光染料、高通量、低样品消耗量检测蛋白质稳定性的设备。该设备基于内源差示扫描荧光技术（intrinsic fluorescence DSF），通过检测温度变化/变形剂浓度变化过程中蛋白内源紫外荧光的改变，获得蛋白质的热稳定性(Tm值)、化学稳定性（Cm值）等参数。可应用于蛋白缓冲液条件筛选及优化、小分子与蛋白结合情况的定性测定、蛋白质修饰及改造后的稳定性测定、蛋白变/复性研究、不同批次间蛋白稳定性对比等多个方面。基于内源差示扫描荧光技术（intrinsic fluorescence DSF），在无需添加外源染料的条件下，对蛋白进行升温变性，通过内源荧光和散射光的变化与三级结构变化的关系，PSA-16可用于测定不同buffer中蛋白的Tm值变化，获得蛋白质正确折叠的最ZUI优buffer条件；测定不同detergent条件下膜蛋白Tm值，进行detergent筛选；测定不同添加剂对蛋白稳定性的影响；测定添加配体后Tm值变化进行配体结合筛选；测定蛋白中变性部分的比例，进行质量控制；测定蛋白Tm值与浓度的相关性，获得最ZUI优蛋白浓度进行后续结晶等实验；测定蛋白去折叠过程，进行蛋白复性条件筛选；测定蛋白folding enthalpy，研究蛋白的长期稳定性；测定不同批次和存储后的蛋白的稳定性，并进行相似性评分，对蛋白进行质量控制。多功能蛋白质稳定性分析仪PSA-16，无需对蛋白进行荧光标记，可以直接测定蛋白在不同缓冲液条件中的Tm值，进行缓冲液筛选和优化；同时还可以测定添加不同配体化合物对蛋白稳定性的影响，通过Tm值变化进行配体结合筛选。PSA-16满足我们目前对于蛋白质稳定性分析的迫切需求。多功能蛋白质稳定性分析仪PSA-16可用于评估蛋白（抗体或疫苗）热稳定性、化学稳定性、颗粒稳定性等特性，实现非标记条件下的高通量的抗体制剂筛选、分子结构相似性鉴定、物理稳定性、长期稳定性、质量控制、折叠和再折叠动力学研究等功能。★ 蛋白热稳定性分析★ 蛋白化学稳定性分析★ 蛋白等温稳定性分析★ 蛋白颗粒稳定性分析★ 免标记热迁移实验（dye-free TSA）★ 蛋白去折叠、再折叠、结构相似性分析★ 蛋白质量控制分析 多功能蛋白质稳定性分析仪PSA-16基于内源差示扫描荧光（ifDSF）技术，广泛应用于蛋白质稳定性研究、蛋白质类大分子药物（抗体）优化工程、蛋白质类疾病靶点的药物小分子筛选和结合力测定等领域，具有快速、准确、高通量等诸多优点。蛋白质中色氨酸/酪氨酸的荧光性质与它们所处的环境息息相关，因此可以通过检测蛋白内部色氨酸/酪氨酸在加热或者添加变性剂过程中的荧光变化，测定蛋白质的化学和热稳定性。PSA-16采用紫外双波长检测技术，可精准测定蛋白质去折叠过程中色氨酸和酪氨酸荧光的变化，获得蛋白的Tm值和Cm值等数据；测定时无需额外添加染料，不受缓冲液条件的限制且测试的蛋白质样品浓度范围非常广（10 µ g/ml - 250 mg/ml），因此可广泛用于去垢剂环境中的膜蛋白和高浓度抗体制剂的稳定性研究。此外，PSA-16具有非常高的数据采集速度，从而可提供超高分辨率的数据。同时PSA-16一次最多可同时测定16个样品，通量高；每个样品仅需要15 uL，样品用量少，非常适合进行高通量筛选。PSA-16操作简单，使用后无需清洗，几乎无维护成本。★ 非标记测试★ 10分钟内完成16个样品的分析★ 仅需10μL样品，浓度范围0.005mg/ml—200mg/ml★ 15-110℃温控范围，升温速率0.1-7℃/min★ 适用于任意种类的蛋白分子★ 无需清洗和维护★ 可增配机械手臂实现全自动工作 性能参数：★ 直接检测蛋白质内源紫外荧光，测定时无需额外添加染料，不限制蛋白缓冲液。★ 可同时测定16个样品。★ 样品管材质：高纯度石英管，8联排设计，可使用多通道移液器批量上样，亦可单管使用。★ 样品体积：15 μL/样品。★ 样品浓度范围：0.01 mg/mL–250 mg/mL。★ 温控范围：15-110℃可选。★ 升温速度范围：0.1-15℃/分钟可调。★ 温控精度：+ 0.2℃。★ 采样频率：1 HZ，1/60 HZ可选。★ 应用范围：热稳定性实验、化学稳定性实验、等温稳定性实验、温度循环实验、TSA实验。★ 软件具备比对功能，可通过热变性曲线对蛋白进行相似性评分。★ 测定参数：Tm、Ton、Cm、ΔG、Similarity。★ Tm测定精度：★ 一体机，可以通过触摸屏进行试验设置，实时采集数据和显示数据，生成详细的结果报告。应用领域：多功能蛋白质稳定性分析仪PSA-16应用涵盖植物、生物学、动物科学、动物医学、微生物学、工业发酵、环境科学、农业基础、蛋白质工程等多学科领域。蛋白质是最终决定功能的生物分子，其参与和影响着整个生命活动过程。现代分子生物学、环境科学、动医动科、农业基础等多种学科研究的很多方向都涉及蛋白质功能研究，以及其下游的各种生物物理、生物化学方法分析，提供稳定的蛋白质样品是所有蛋白质研究的先决条件。因此多功能蛋白质稳定性分析系统在各学科的研究中都有基础性意义。 1. 抗体或疫苗制剂、酶制剂的高通量筛选2. 抗体或疫苗、酶制剂的化学稳定性、长期稳定性评估、等温稳定性研究等3. 生物仿制药相似性研究（Biosimilar Evaluation）4. 抗体偶联药物（ADC）研究5. 多结构域去折叠特性研究6. 物理和化学条件强制降解研究7. 蛋白质变复性研究（复性能力、复性动力学等）8. 膜蛋白去垢剂筛选，膜蛋白结合配体筛选（Thermal Shift Assay）9. 基于靶标的高通量小分子药物筛选（Thermal Shift Assay）10. 蛋白纯化条件快速优化等

俗话说：文无第一，如果非要整出个蛋白质质谱与蛋白质组学领域世界第一牛人，显然并不是一件容易的事，也注定是一件有争议的事。作为一个半路出家的准业内人，我就本着无知者无畏的革命精神，说一下我自己心目中的第一牛人：Ruedi Aebersold。 　　考虑到科学网的大多数网友对蛋白质组学并不了解，先简单科普一下，根据百度百科的定义：“蛋白质组学(Proteomics)一词，源于蛋白质(protein)与 基因组学(genomics)两个词的组合，意指“一种基因组所表达的全套蛋白质”，即包括一种细胞乃至一种生物所表达的全部蛋白质。” 1995年(也有1994，1996年之说)Marc Wikins首次提出蛋白质组(Proteome)的概念1，1997年, Peter James(就职于有欧洲MIT之称的瑞士联邦工学院(ETH))又在此基础上率先提出蛋白质组学的概念2。基因组学和蛋白质组学的概念又进一步催生了N多的各种各样的组学(omics)，两者的诞生的发展，也使系统生物学成为可能，本文的主人公Ruedi Aebersold与Leroy Hood一起于2000年在美国西雅图创办了系统生物学研究所(ISB),该所的建立不但标志着系统生物学作为一门独立的学科的诞生(此句话貌似不靠谱，参见文后14楼的评论)，也带动了包括蛋白质组学在内的多种组学的发展，当然各种组学的发展也同时促进了系统生物学的发展。尽管日本也于2000年在东京建立了系统生物学研究所，但是同为第一个吃螃蟹的，东京的这个所，无论是学术水平还是世界影响都无法和西雅图的那个系统生物学领域的麦加相提并论。闲话少叙，我之所以认为Ruedi Aebersold是蛋白质质谱与蛋白质组学领域世界第一牛人，是基于如下原因： 　　Ruedi Aebersold对蛋白质组学的最大贡献可谓是同位素代码标记技术(ICAT)，现在这一蛋白组定量技术自从1999年在Nature上发表以来，该技术已世界广泛应用，该论文迄今(截至2013年1月11日)已被引用了近3000次。Web of Science的检索结果显示，蛋白组学领域迄今已经至少有超过10万篇论文发表，按照被引用次数排名，该论文位居第三位。有意思的是，被引用次数排第四位的是Ruedi Aebersold和另外一位牛人Mathias Mann(下面会介绍)于2003年发表在Nature上的有关蛋白质质谱与蛋白质组学的综述论文，迄今也已被引用近2800次。而引用次数排第一和第二的两篇论文的通讯作者并算不上是蛋白质质谱与蛋白质组学领域的，蛋白质组学仅仅是他们使用的工具，他们的影响也在这个领域之外。蛋白质组学领域，最重要的专业协会应该算是HUPO (国际人类蛋白质组组织), 最重要的专业会议也当属HUPO世界大会，Ruedi Aebersold曾获HUPO含金量最高的成就奖，他本人也经常是HUPO世界大会的分会主席或大会特邀报告人。当然Aebersold还获得了包括美国质谱协会(ASMS)大奖在内的许多专业大奖。可能有人会列出另外的自己心中的第一牛人(如上述的Mathias Mann)，但Ruedi Aebersold无疑至少是领域内公认的前几位的世界级牛人。另外，顺便说一下德国马普所的Mathias Mann(其在丹麦首都也有实验室)，Mann和Aebersold可谓是蛋白质组学领域的双子星座，都是该领域的顶级牛人，Mann发表的论文有多篇都在蛋白质组学领域被引用次数前10位，不少被引用次数都上千次。上述的Mann和Aebersold两人能在Nature发表综述论文也说明了他们的江湖地位。Aebersold和Mann所发表的论文总被引次数分别超过了5万和3万次，这个数字在世界所有领域都是惊人的。另外，Mathias Mann在蛋白质组学最大的贡献可以说是发明了蛋白质组体内标记技术SILAC3,这种技术与Ruedi Aebersold发明的ICAT已及另外一种标记iTRAQ是公认的应用最为广泛的蛋白质组学定量标记技术。 　　今年年近花甲的Ruedi Aebersold是世界蛋白质组学的开拓者之一，现在在上述的ETH的工作，和最早提出蛋白质组学Peter James在同一个大学。作为土生土长的瑞士人，Ruedi Aebersold是在2004年底、2005年初才开始在ETH全职工作的，可谓是瑞士的大海龟。Ruedi Aebersold此前在西雅图的ISB和华盛顿大学工作，作为ISB的元老和共同创办人，Ruedi Aebersold现在还是ISB的兼职教授，发表论文时也还署ISB地址。Mann和Aebersold都是欧洲人，现在又都致力于将蛋白质质谱与蛋白质组学应用到临床，尽管蛋白质组学已有十多年发展历史，现在最大的一个瓶颈可以说在基本无法应用到临床，现有的技术，对于临床应用而言，时间和经济成本都太高(无法高通量、检测成本太贵)。这一块硬骨头显然不是一般人能够啃得动的，需要从临床样品制备、质谱技术到数据分析都要有突破甚至革命性的创新，我很期待，也相信Mann和Aebersold有能力最终使蛋白质组学(尤其是基于此的生物标志物鉴定技术)应用到临床。 　　我国在蛋白质质谱与蛋白质组学领域在世界上最出名的无疑非贺福初莫属，贺福初的名字在国内搞蛋白质组学应该都知道他的名字，他的头衔很多(如将军、院士)，我就不一一列举了，新年伊始他又多了一个牛头衔：万人计划中的科技领军人才。贺的工作和学术水平，我不熟悉，不敢评头论足。他的文章被引用次数最高的是发表在Cancer Research一篇论文，迄今已有126次，但并非是蛋白质组学领域。在蛋白质组学领域，他的被引次数(含自引)最高的论文是2007年发表在蛋白质组学顶级期刊MCP的文章4，迄今已有105次引用。蛋白质质谱领域，我国在世界上最出名的学者估计要数复旦大学的杨芃原了，他的被引用次数最高的一篇论文，是2005年发表在化学顶级期刊德国应用化学的文章5，迄今已被引用70次，杨芃原为该论文的共同通讯作者。我国在蛋白质组学目前被引用次数最高的是南开大学王磊(澳大利亚海归、长江学者)2007年发表在美国科学院院刊(PNAS)的论文6，迄今被引次数已经超过500次。 　　蛋白质质谱仪主要生产商Thermo Fisher(即原来的Finnegan), 最近新出了本挂历，这本特别的挂历上列了13位在蛋白质质谱与蛋白质组学领域的牛人，上述的Ruedi Aebersold和Mathias Mann都在之列，其余11位简单介绍、列表如下。 姓 名 工作单位 主要贡献 Richard D. Smith 美国太平洋西北国家实验室 1990年首次用三重四级杆质谱Top-down（自上而下）分析完整蛋白 John Yates III 美国Scripps研究所 SEQUEST MS/MS数据库搜索程序 Joshua Coon 美国威斯康星大学麦迪逊分校 发明了电子转移解离技术(ETD) Neil Kelleher 美国西北大学 Top-down蛋白质组学 Kathryn Lilley 英国剑桥大学 蛋白质组学定量技术 Pierre Thibault 加拿大蒙特利尔大学 应用生物质谱和蛋白质组学到细胞生物学 Michael MacCoss 美国华盛顿大学（西雅图） 稳定同位素标记技术 Albert Heck 荷兰Utrecht大学 基于质谱的结构生物学 Catherine Costello 美国波士顿大学 HUPO前任主席，质谱技术发展及应用 Alexander Makarov 德国Thermo Fisher Scientific 生物质谱全球研发总监 领导研发Orbitrap质谱仪 Donald Hunt 美国弗吉尼亚大学 FT-MS and ETD 　　简单的说，上述13位世界级牛人都来自欧美，没有一位来自亚洲，也没有一位华人。我不知道以Ruedi Aebersold代表的上述牛人是如何炼成的，但可以肯定的是：他们不是欧美版的“百人”计划，也不是“千人”计划，更不是“万人”计划而“计划”出来的。网上的公开信息表明：Ruedi Aebersold除了在国际专业协会和期刊有学术兼职外，没有任何行政职务，就是一普通教授，但是这不妨碍他成为蛋白质质谱与蛋白质组学领域世界第一牛人。

近日，中国科学院武汉物理与数学研究所研究员唐淳课题组利用基于973重大科学研究计划“蛋白质动态学研究的新技术新方法”建立的研究技术，协助华中农业大学教授殷平课题组首次解析了N6腺嘌呤甲基转移酶METTL3-METTL14蛋白复合体结构，该研究成果发表于《自然》杂志。　　该工作揭示了RNA N6腺嘌呤甲基化修饰过程中的结构基础，是表观遗传学领域的一项重大突破。唐淳、武汉物数所副研究员龚洲和博士后刘主参与该项目，利用课题组发展的新技术新方法，通过结合小角X光散射与计算机模拟的手段，为该蛋白复合体的结构解析提供了研究方法上的帮助。　　经过近3年的努力，唐淳课题组发展、建立了包括核磁共振波谱、小角X光散射、化学交联质谱分析、单分子荧光检测和成像等技术在内的多种生物物理化学手段，并开发相应的整合计算方法，用于蛋白质动态结构及其转换过程的研究。课题组除了完成自身的科研项目外，积极开展广泛的合作与交流，与国内外同行共享研究技术和方法。目前，得益于“蛋白质动态学研究的新技术新方法”项目的实施，课题组已助力多个重要蛋白质结构的解析，取得了一系列的研究成果，研究成果发表于《自然—化学生物学》、eLife 等国际一流杂志。

几种不同折叠模式的蛋白质模型(图片来源Protein Data Bank Japan ) 　　上个世纪初，科学家们认为蛋白质是生命体的遗传物质，而具有独特的作用。随着这个理论被证伪，真正的遗传物质DNA的结构被给予了很大关注。然而，蛋白质作为生命体的重要大分子，其重要性也从未被忽视，而且在1950年代开始，科学家一直在探寻DNA序列和蛋白质序列的相关性。与此同时，蛋白质测序和结构解析蛋白质结构的努力开始慢慢获得回报。更多的生化研究揭示了蛋白质的功能重要性，因此蛋白质的三维结构的解析对于深入理解蛋白质功能和生理现象起着决定性作用。 　　本文简要回顾了蛋白质结构解析的重大历史事件，并总结了蛋白质结构解析的常用方法和结构分析方向。通过了解蛋白质结构，能够让我们更好地理解生物体的蛋白的理化特性，以及其相关联的化学反应途径及其机制，对于我们认识生物世界和研发治疗方法和药物都起着关键作用。在即将召开的2015高分辨率成像与生物医学应用研讨会上，各位专家学者将会进一步讨论相关议题。 　　蛋白质结构解析六十年来大事件 　　在1958年，英国科学家John Kendrew和Max Perutz首先发表了用X射线衍射得到的高分辨率的肌红蛋白Myoglobin的三维结构，然后是更加复杂的血红蛋白Hemoglobin。因此，这两个科学家分享了1962年的诺贝尔化学奖。事实上，这项工作在早在1937年就开始了。 　　然后在1960年代，蛋白质结构解析方法不断进步，获得了更高的解析精度。这个时期，蛋白质序列和DNA序列间关系也被发现，中心法则被Francis Crick提出，然后科学界见证了分子生物学的崛起。分子生物学(Molecular Biology)的名称在1962年开始被广泛接受和使用，并逐渐演变出一些支派，如结构生物学。然后在1964年，Aaron Klug提出了一种基于X射线衍射原理发展而来的全新的方法电子晶体学显微镜(crystallographic electron microscopy )，可以解析更大蛋白质或者蛋白质核酸复合体结构。因为这项研究，他获得了1982诺贝尔化学奖。1969年，Benno P. Schoenborn 提出可以用中子散射和原子核散射来确定大分子中固定位置的氢原子坐标。 　　进入1970年代，很多新的方法开始发展。存储蛋白质三维结构的Protein Data Bank(1971年) 开始出现，这对于规范化和积累蛋白质数据有着重要意义。1975年新的一种仪器叫做多丝区域检测器，让X-ray的检测和数据收集更加快速高效。次年，Robert Langride将X-ray衍射数据可视化，并在加州大学圣地亚哥分校成立了一个计算机图形实验室。同年，KeithHodgson和同事首次证明了可以使用同步加速器获得的X射线并对单个晶体进行照射，并取得了很好的实验效果。然后在1978年，核磁共振NMR首次被用于蛋白质结构的解析 同年首个高精度病毒(西红柿丛矮病毒)衣壳蛋白结构被解析。 　　在1980年代，更多蛋白质结构被解析，蛋白质三维结构的描述越来越成熟，而且蛋白质结构解析也被公认成为药物研发的关键步骤。在1983年，冷冻蚀刻的烟草花叶病毒结构在电子显微镜结构下得到描述。两年后德国科学家John Deisenhofer等解析出了细菌光合反应中心，因此他们共享了1988年的诺贝尔化学奖。次年，两个课题组解析了HIV与复制相关的蛋白酶结构，对针对HIV的药物研发提供了理论基础。 　　下一个十年，因为大量同步加速器辅助的X射线衍射的使用，数千个蛋白质结构得到解析，迎来了蛋白质结构组的曙光。1990年多波长反常散射方法(MAD)方法用于X射线衍射晶体成像，与同步辐射加速器一起，成为了近二十多年来的最常用的的方法。Rod MacKinnon在199年发表了第一个高精度的钾离子通道蛋白结构，对加深神经科学的理解起了重要作用，因此他分享了2003年的诺贝尔化学奖。Ada Yonath等领导的课题组在1999年首次解析了核糖体结构(一种巨大的RNA蛋白质复合体)。　　进入新千年，更多的技术细节被加入到蛋白质解析研究领域。2001年，Roger Kornberg和同事们描述了第一个高精度的RNA聚合酶三维结构，正因此五年后他们共享了诺贝尔化学奖。2007年，首个G蛋白偶联受体结构的解析更是对药物研究带了新的希望。近些年来，越来越多的大的蛋白质结构得到解析。Cryo-EM超低温电子显微镜成像用于超大蛋白质结构成像的研究日益成熟，并开始广泛用于蛋白质结构的解析。 　　蛋白质结构解析的常用实验方法 　　1.X-ray衍射晶体学成像 　　X射线衍射晶体学是最早用于结构解析的实验方法之一。X射线是一种高能短波长的电磁波(本质上属于光子束)，被德国科学家伦琴发现，故又被称为伦琴射线。理论和实验都证明了，当X射线打击在分子晶体颗粒上的时候，X射线会发生衍射效应，通过探测器收集这些衍射信号，可以了解晶体中电子密度的分布，再据此析获得粒子的位置信息。利用这种特点，布拉格父子研制出了X射线分光计并测定了一些盐晶体的结构和金刚石结构。首个DNA结构的解析便是利用X射线衍射晶体学获得的。 　　后来，获得X射线来源的技术得到了改进，如今更多地使用同步辐射的X射线源。来自同步辐射的X射线源可以调节射线的波长和很高的亮度，结合多波长反常散射技术，可以获得更高精度的晶体结构数据，也成为了当今主流的X射线晶体成像学方法。由X射线衍射晶体学解析的结构在RCSB Protein Data Bank中占到了88%。 　　X射线衍射成像虽然得到了长足的发展，仍然有着一定的缺点。X射线对晶体样本有着很大的损伤，因此常用低温液氮环境来保护生物大分子晶体，但是这种情况下的晶体周围环境非常恶劣，可能会对晶体产生不良影响。而且，X射线衍射方法不能用来解析较大的蛋白质。 　　上海同步辐射加速器外景(图片来源 上海同步辐射光源网站) 　　2.NMR核磁共振成像 　　核磁共振成像NMR全称Nuclear magnetic resonance，最早在1938被Isidor Rabi (1946年诺贝尔奖)描述，在上世纪的后半叶得到了长足发展。其基本理论是，带有孤对电子的原子核(自选量子数为1)在外界磁场影响下，会导致原子核的能级发生塞曼分裂，吸收并释放电磁辐射，即产生共振频谱。这种共振电磁辐射的频率与所处磁场强度成一定比例。利用这种特性，通过分析特定原子释放的电磁辐射结合外加磁场分别，可以用于生物大分子的成像或者其他领域的成像。有些时候，NMR也可以结合其他的实验方法，比如液相色谱或者质谱等。 　　RCSB Protein Data Bank数据库中存在大约11000个用NMR解析的生物大分子结构，占到总数大约10%的结构。NMR结构解析多是在溶液状态下的蛋白质结构，一般认为比起晶体结构能够描述生物大分子在细胞内真实结构。而且，NMR结构解析能够获得氢原子的结构位置。然而，NMR也并非万能，有时候也会因为蛋白质在溶液中结构不稳定能难得获取稳定的信号，因此，往往借助计算机建模或者其他方法完善结构解析流程。 　　使用NMR解析的血红蛋白结构建模(图片来源RCSB PDB) 　　3.Cryo-EM超低温电子显微镜成像 　　电子显微镜最早出现在1931年，从设计之初就是为了试图获得高分辨率的病毒图像。通过电子束打击样本获得电子的反射而获取样本的图像。而图像的分辨率与电子束的速度和入射角度相关。通过加速的电子束照射特殊处理过的样品表明，电子束反射，并被探测器接收，并成像从而获得图像信息。具体做法是，将样品迅速至于超低温(液氮环境)下并固定在很薄的乙烷(或者水中)，并置于样品池，在电子显微镜下成像。图像获得后，通过分析图像中数量众多的同一种蛋白质在不同角度的形状，进行多次的计算机建模从而可以获得近原子级别的精度(最低可以到2.0埃)。 　　Cyro-EM解析TRPV1离子通道蛋白(图片来源Structure of the TRPV1 ion channel ) 　　将电子显微镜和计算机建模成像结合在一起的大量实践还是在新世纪之后开始流行的。随着捕捉电子的探测器技术(CCD技术，以及后来的高精度电子捕捉、电子计数electron counting设备)的提升，更多的信息和更低的噪音保证了高分辨率的图像。 　　近些年来，Cryo-EM被用来解析很多结构非常大(无法用X-ray解析)的蛋白质(或者蛋白质复合体)，取得了非常好的结果。同时，单电子捕捉技术取代之前的光电转换成像的CCD摄像设备，减少了图像中的噪音和信号衰减，同时并增强了信号。计算机成像技术的成熟和进步，也赋予了Cryo-EM更多的进步空间。然而，Cyro-EM与X-ray不同，该方法不需要蛋白质成为晶体，相同的是都需要低温环境来减少粒子束对样品的损害。 　　除去介绍的这三种方法以外，计算机建模技术也越来越多地被用在了蛋白质结构解析中。而且新解析的结构也会提高计算机建模的精确度。未来，我们或许能够用计算机构建原子级别的细胞模型，构建在芯片上的细胞。 　　蛋白质结构对了解生命体的生化反应、有针对性的药物研发有着重要意义。从1958到如今已经接近60年，蛋白质结构解析得到了较快的发展。然而，在如今DNA测序如此高效廉价的时代，蛋白质和DNA结构解析并没有进入真正高速发展阶段，这也导致了在如此多的DNA序列数据非常的今天，结构数据却相对少的可怜。大数据时代的基因组、蛋白质组、代谢组、脂类组等飞速发展的时候，蛋白质结构组也得到了更加广泛的重视。发展高精度、高效的结构解析技术也一直都有着重要意义。未来，蛋白质结构解析，对针对蛋白质的药物筛选，和计算机辅助的药物研究研究不应被低估。未来说不定在蛋白质结构领域有着更多惊喜，让我们拭目以待。 第一届电镜网络会议部分视频回放

随着高通量、高灵敏度、高分辨率生物质谱技术的出现，蛋白质组学技术取得飞速发展，蛋白质组学（Proteomics）是蛋白质（protein）与 基因组学（genomics）两个词的组合体，表示“一种基因组所表达的全套蛋白质”，即包括一种细胞乃至一种生物所表达的全部蛋白质。蛋白质组学研究，就是要把一个基因组表达的绝大多数蛋白质或一个复杂的混合体系中绝大多数蛋白质进行精确的定量和鉴定。蛋白质组本质上指的是在大规模水平上研究蛋白质的特征，包括蛋白质的表达水平，翻译后的修饰，蛋白与蛋白相互作用等，由此获得蛋白质水平上的关于疾病发生，细胞代谢等过程的整体而全面的认识。蛋白质组学研究主要包括蛋白质分离、鉴定与生物信息学分析，其中样品中蛋白质的分离至关重要，会直接影响后续的分析结果。对比传统的柱层析分离方式，磁珠法提取蛋白质能轻松实现高通量和多样品平行处理。磁珠法提取蛋白质与提取核酸原理类似，都需经过“结合-洗涤-洗脱”等过程，蛋白纯化后，还需经过裂解、二硫键还原、酶解等多步预处理才能将蛋白样品裂解为可检测的肽段，这些过程同样涉及多次移液、加热、震荡等步骤。Vitae 100全自动液体处理工作站● 睿科Vitae 100全自动液体处理工作站整合移液、磁吸、震荡、加热功能于一体，可全自动完成磁珠法蛋白纯化，可替代蛋白酶解实验过程中大部分手工操作，实现高通量、高效率、高一致性的蛋白纯化。Vitae 100配置了可选4或8通道的空气注射泵移液器，机械定位准确至0.05mm，高通量提取时准确性、均一性均优于手工操作。另外Vitae 100创新性的整合了“磁吸-加热-震荡”三合一模块，节省盘面空间，减少移液步骤，利用自动化操作来减少人为实验操作带来的误差，提升实验结果的稳定性，减少污染的可能性，同时利用自动化精准的时间控制和操作，来优化实验流程，提高实验室运行效率。▲蛋白质组学自动化前处理解决方案睿科生化科技公司睿科生化科技公司是睿科集团旗下专注研发生产生命科学领域样品前处理设备的高科技企业。公司提供自动化的生物样品前处理设备，服务于生物/药物分析、分子诊断、临床检测、蛋白组学、代谢组学等领域。公司核心团队拥有10多年丰富的行业经验，掌握自主核心技术，系统化架构和集成式开发，可提供灵活的定制化服务，为客户提供个性化的产品和服务。

在4月30号出版的《美国化学会志》(JACS, 2008, 130, 5798)上报道了中科院武汉物数所杨俊博士在美国University of Delaware 用固体NMR新方法研究蛋白质界面的研究工作。 一些生物大分子，如膜蛋白，蛋白质复合体，蛋白质纤维等，在生命过程中起着极为重要的作用，但是由于难于得到这些生物分子的单晶以及它们在溶液中的低溶解度， 用X-ray和液体NMR很难得到它们的结构。一个典型的例子是膜蛋白质。膜蛋白约占与人类基因编码有关的蛋白质的30%，一些重要的生命活动如能量转换、信息识别与传递、物质运送和分配都与膜蛋白密切相关。但是到目前为止，只有157种(总共约3万种)膜蛋白的三维结构结构是已知的。对于这些“困难”的生物大分子，固体NMR被认为是最有前途的研究手段之一。自从2002年德国科学家首次用魔角旋转NMR得到固体蛋白质的三维结构以来，这几年这个领域飞速向前发展。随着高磁场NMR仪器的使用，魔角旋转NMR探头技术的发展，固体蛋白质样品制备技术的成熟和一批两维到四维固体NMR脉冲序列的使用，魔角旋转NMR研究蛋白质的能力大大提高，魔角旋转NMR已经能够对25-30 KDa的蛋白质进行NMR信号全归属和相应的结构和动力学研究。 在这个研究中，杨俊和University of Delaware 的同事Tatyana Polenova设计了一组新脉冲序列，他们用这组脉冲序列研究了用不同同位素标记的thioredoxin蛋白质组装体的分子内和分子间的界面。首先他们用理论模拟和NMR实验证实了固体NMR中的REDOR技术可以用来消除13C,15N全富集的蛋白质主链上的15N信号，实现了用一个蛋白质样品同时进行NMR信号归属和蛋白质界面研究。借助于对远程相互作用敏感的1H/13C REDOR和PAIN－CP技术, 他们设计了两个脉冲序列，用不同核自旋对的相关性观察到了蛋白质界面上空间相近的残基对。另外，他们还设计了两个脉冲序列对蛋白质另外一段的主链上的15N信号进行了归属。这组固体NMR的脉冲序列和相应的同位素标记方法将可以在更大的蛋白质复合体的界面研究中使用。