共检索到2344条,权限内显示50条;
[前沿资讯 ] DeepMind发布用于新型蛋白质设计的AlphaProteo 进入全文
Google DeepMind
2024年9月5日，Google Deepmind团队上线最新论文“De novo design of high-affinity protein binders with AlphaProteo”推出了一种用于设计「与目标分子结合更紧密」的新型蛋白质的 AI 系统 AlphaProteo。在测试的 7 种靶蛋白上，AlphaProteo 的实验成功率更高，在湿实验室中测试中，9% 到 88% 候选分子成功结合，这比其他方法高出 5 到 100 倍。而且，比现有最佳方法的结合亲和力高出 3 到 300 倍。仅需一轮中等通量筛选且无需进一步优化，AlphaProteo 便可生成适用于多种应用的「即用型」结合剂。它可以帮助科学家更好地了解生物系统如何运作，节省研究时间，推进药物设计等等。在论文中，DeepMind 团队介绍了 AlphaProteo 蛋白质设计系统，并表明它可以设计从头蛋白质结合蛋白，该系统具有以下优势：1、高成功率：通过筛选数十种设计候选物可以获得稳定、高表达和特异性的结合物，从而无需使用高通量方法。2、高亲和力：对于除一个目标之外的每个测试目标，最佳结合剂具有亚纳摩尔或低纳摩尔结合亲和力（KD），从而最大限度地减少了下游亲和力优化所需的劳动力。3、整体优势：使用单一设计方法，无需复杂的人工干预，即可成功获得针对一系列具有不同结构和生化特性的靶标的结合剂。能够与靶蛋白紧密结合的蛋白质结合剂很难设计。传统方法耗时巨大，需要多轮大量的实验室工作。在创建结合剂后，它们还需要进行大量额外的实验从而优化结合亲和性。AlphaProteo 经过蛋白质数据库 (PDB) 中的大量蛋白质数据和 AlphaFold 中的 1 亿多条预测结构的训练，已经了解了分子相互结合的无数方式。给定目标分子的结构和该分子上的一组首选结合位置，AlphaProteo 会生成一个候选蛋白质，该蛋白质在这些位置与目标结合。为了测试 AlphaProteo，研究人员设计了针对各种靶蛋白的结合剂，包括两种与感染有关的病毒蛋白 BHRF1 和 SARS-CoV-2 刺突蛋白受体结合域 SC2RBD，以及五种与癌症、炎症和自身免疫性疾病有关的蛋白 IL-7Rɑ、PD-L1、TrkA、IL-17A 和 VEGF-A。AlphaProteo 系统具有极具竞争力的结合成功率和一流的结合强度。对于七个靶点，AlphaProteo 在计算机模拟中生成候选蛋白，这些蛋白在实验测试时与目标蛋白紧密结合。对于一个特定靶标，即病毒蛋白 BHRF1，在 Google DeepMind Wet Lab 中进行测试时，88% 候选分子成功结合。根据测试的靶标，AlphaProteo 结合剂的结合力平均比现有最佳设计方法强 10 倍。对于另一个靶标 TrkA，新结合剂甚至比经过多轮实验优化的针对该靶标的最佳先前设计结合剂更强。与其他设计方法相比，AlphaProteo 针对七种目标蛋白的实验体外成功率。成功率越高，意味着需要测试的设计越少，才能找到成功的结合体。研究人员除了在其湿实验室中进行计算机验证和测试 AlphaProteo 之外，还聘请了 Francis Crick 研究所的 Peter Cherepanov、Katie Bentley 和 David LV Bauer 研究小组来验证其蛋白质结合剂。在不同的实验中，他们深入研究了一些更强的 SC2RBD 和 VEGF-A 结合剂。研究小组证实，这些结合剂的结合相互作用确实与 AlphaProteo 所预测的相似。此外，研究小组还证实了这些结合剂具有有用的生物学功能。例如，一些 SC2RBD 结合剂被证明可以防止 SARS-CoV-2 及其某些变体感染细胞。AlphaProteo 的性能表明，它可以大大减少涉及广泛应用的蛋白质结合剂的初始实验所需的时间。然而，该人工智能系统有局限性，因为它无法针对第 8 个靶点 TNFɑ（一种与类风湿性关节炎等自身免疫性疾病相关的蛋白质）设计成功的结合物。研究人员选择 TNFɑ 来挑战 AlphaProteo，因为计算分析表明设计结合物非常困难。接下来，该团队将继续改进和扩展 AlphaProteo 的功能，最终目标是解决这些具有挑战性的靶点。实现强结合通常只是设计可能对实际应用有用的蛋白质的第一步，在研发过程中还有更多的生物工程障碍需要克服。蛋白质设计是一项快速发展的技术，在各个领域都具有巨大的科学进步潜力，从了解导致疾病的因素，到加速病毒爆发的诊断测试开发，支持更可持续的制造过程，甚至清除环境中的污染物。未来，DeepMind 将与科学界合作，利用 AlphaProteo 解决有影响力的生物学问题并了解其局限性。他们还一直在 Isomorphic Labs 探索其药物设计应用，并对未来的发展感到兴奋。该团队将不断提高 AlphaProteo 算法的成功率和亲和力，扩大它可以解决的设计问题范围，并与机器学习、结构生物学、生物化学和其他学科的研究人员合作，为社区开发负责任、更全面的蛋白质设计产品。相信 AlphaProteo 将为许多生物应用开辟新的解决方案，例如控制细胞信号传导，成像蛋白质、细胞和组织，赋予各种效应系统目标特异性等等。
[学术文献 ] 南方科技大学绘制果蝇发育3D全景图谱 进入全文
Cell
2025年6月26日，南方科技大学胡宇慧教授、胡琪楠教授，华大生命科学研究院徐讯研究员、刘龙奇研究员，在Cell上发表了文章A Drosophila single-cell 3D spatiotemporal multi-omics atlas unveils panoramic key regulators of cell-type differentiation。研究团队通过华大时空组学技术Stereo-seq及多种单细胞组学测序技术，开创性地创建了一个解码动物发育过程的多模态数据集，生成了果蝇全发育周期的3D单细胞时空多组学图谱。该研究成果系统解析了果蝇细胞类型分化的时空动态与核心调控网络，为发育生物学研究提供了前所未有的分子层面参考，并为发育缺陷及相关疾病机制研究奠定了重要基础。研究团队基于华大自主研发的时空组学技术Stereo-seq，搭配单细胞组学技术scRNA-seq和scATAC-seq，对果蝇胚胎每0.5-2小时、幼虫及蛹期的各个关键阶段进行采样，生成超过380万个空间分辨的单细胞转录组，并利用Spateo算法重建出高精度3D模型，精准解析组织形态与基因表达的空间动态。就像用一台超级“生命照相机”，给果蝇的整个发育过程拍摄了一部分辨率极高的3D电影，能够清楚地看到每个细胞在何时何地开启了哪些基因。在这场果蝇发育的“生命舞台剧”中，细胞如何决定自己变成神经细胞还是肌肉细胞？研究团队通过整合数据，构建了果蝇胚胎发育的“分化轨迹地图”，解析了细胞命运决定的关键分子机制。通过追踪“演员”的走位，研究发现不同胚层的细胞会沿着特定路径分化，而转录因子就像“导演”，通过激活或抑制基因，指挥细胞扮演特定角色。比如，研究发现多个此前未被鉴定的转录因子，在神经、肠道及内分泌系统中可能起关键作用。这就像在剧本里发现了隐藏的重要情节，拓展了我们对发育调控的认知。
[学术文献 ] 北京大学开发一种RNA密码子扩展(RCE)策略 进入全文
Nature
2025年6月25日，北京大学陈鹏、伊成器共同通讯在Nature在线发表题为“RNA codon expansion via programmable pseudouridine editing and decoding”的研究论文，该研究开发了一种RNA密码子扩展(RCE)策略，该策略在特定的mRNA转录物上引入并解码生物正交可分配的假尿苷(ψ)密码子(ψGA，ψAA或ψAG ),以在哺乳动物细胞中掺入ncAAs。RCE策略包括可编程指导RNA4、工程解码器tRNA和氨酰tRNA合成酶。首先开发了RCE(ψGA)系统，该系统通过ψGA密码子将功能性ncAAs整合到蛋白质中，与遗传密码扩展系统相比，证明了更高的翻译组范围和蛋白质组特异性。进一步扩展了该策略，产生了RCE(ψAA)和RCE(ψAG)系统，所有三个ψ密码子:(ψ密码子)-tRNAPyl对都表现出相互正交性。此外，证明了RCE系统与双重ncAA编码的遗传密码扩展策略相容地合作。总之，RCE方法利用ψ作为转录后“letter”来编码和解码特定mRNA转录物中的RNA密码子，为遗传字母表扩展和真核细胞中位点特异性ncAA掺入开辟了新的途径。
[学术文献 ] 苏黎世大学等揭示TTYH2与APOE相互作用促进内体脂质转移 进入全文
Nature
2025年6月25日，苏黎世大学生物化学系和奥地利应用科学上奥地利大学等机构的研究团队在《Nature》上发表题为“Interactions between TTYH2 and APOE facilitate endosomal lipid transfer”的研究论文该研究揭示了Tweety同源蛋白2（TTYH2）与载脂蛋白E（APOE）之间的相互作用能够促进内体中的脂质转移为理解脂质在细胞内的运输机制提供了新的视角背景知识TTYH家族是一类真核生物膜蛋白其结构特征表明可能参与脂质在可溶性载体和细胞膜之间的转移但此前缺乏实验证据支持这一功能载脂蛋白E（APOE）是一种在脂质运输中起关键作用的蛋白质尤其在大脑中它负责在星形胶质细胞和神经元之间转运磷脂和胆固醇APOE有三种亚型（APOE2、APOE3和APOE4）其中APOE4是阿尔茨海默病遗传易感性的主要决定因素研究方法研究者通过筛选合成纳米抗体（sybodies）库成功筛选出两种能够特异性结合人类TTYH2的纳米抗体Sb1和Sb2利用冷冻电镜（cryo-EM）技术解析了TTYH2与Sb1或Sb2复合物的结构揭示了TTYH2在细胞膜中的二聚体结构以及与纳米抗体的结合位点进一步通过免疫共沉淀实验发现APOE是TTYH2的相互作用伙伴并且两者在内体中共同定位通过亚细胞分离实验和免疫细胞化学实验研究者证实了TTYH2和APOE在内体中的共定位关系实验结果表明在HEK293细胞和小鼠神经母细胞瘤（N2A）细胞中TTYH2和APOE在内体分数中共同定位通过免疫荧光显微镜观察到TTYH2在细胞内的斑点状分布与内吞的APOE和内体标记物RAB9重叠进一步证实了TTYH2在内体中的定位研究者还通过单分子力谱（SMFS）技术直接测量了TTYH2与APOE之间的相互作用力发现两者之间的解离速率常数（koff）约为1 s−1表明它们之间的结合相对稳定结构研究方面研究者解析了TTYH2与去脂化APOE复合物的冷冻电镜结构揭示了APOE与TTYH2相互作用的位点位于TTYH2的胞外域这一位点面向内体腔室进一步解析了TTYH2与APOE脂蛋白颗粒复合物的结构发现脂蛋白颗粒与TTYH2的胞外域结合并且其脂质部分与TTYH2的疏水腔室相邻这一结构特征有利于脂质从脂蛋白颗粒向细胞膜的转移功能验证方面研究者通过体外脂质转移实验发现TTYH2能够显著加速脂质从APOE脂蛋白颗粒向细胞膜的转移在含有85%二棕榈酰-sn-甘油-3-磷酰胆碱（DPPC）的脂质体系统中TTYH2介导的脂质转移速率比空脂质体提高了14倍而TTYH3的这种加速作用则相对较弱这些结果表明TTYH2在促进脂质从APOE脂蛋白颗粒向细胞膜转移过程中发挥着重要作用讨论该研究首次揭示了TTYH2与APOE之间的相互作用及其在内体脂质转移中的功能这一发现不仅为理解脂质在细胞内的运输机制提供了新的视角而且可能对大脑中脂质代谢和神经退行性疾病的研究具有重要意义尽管APOE在脂质运输中的作用已被广泛研究但其在细胞内特别是内体中的具体机制尚不清楚本研究通过多种实验方法揭示了TTYH2与APOE之间的相互作用以及TTYH2在脂质转移中的催化作用为未来相关领域的研究提供了新的方向和思路。
[学术文献 ] 北京大学开发PRESENT同义突变筛选方法 进入全文
Nature Biotechnology
2025年6月24号，来自北京大学的魏文胜教授研究团队在《Nature Biotechnology》上发表题为“Prime editor-based high-throughput screening reveals functional synonymous mutations in human cells”的研究论文。该研究利用PEmax系统创建了一个包含297900个工程化Prime编辑向导RNA的文库，并进行了广泛的筛选，以识别影响细胞适应性的同义突变。同义突变通常被认为是中性的，但它们在人类基因组中的作用尚不清楚。与酵母中的近期发现不同，群体水平分析显示同义突变与非同义突变在适应性效应上存在差异，但相对于阴性对照表现出类似的表型分布。经过严格的质量控制后，只有少数突变显示出可测量的效应。对于这些功能性突变，研究者开发了一种专门的机器学习工具，并揭示了它们对信使RNA剪接和转录等各种生物过程的影响，得到了多方面的实验证据支持。研究发现，同义突变可以改变RNA折叠并影响翻译，如PLK1_S2所示。通过将筛选数据与模型整合，研究者预测了具有临床有害性的同义突变。这项研究加深了我们对同义突变的理解，为临床疾病研究提供了见解。研究团队开发了一种名为PRESENT（Prime editor-based screen technology）的同义突变筛选方法，使用PE技术创建了针对3644个人类蛋白编码基因的epegRNA文库，以筛选可能影响人类细胞适应性的功能性同义突变。研究结果证实，尽管人类基因组中的大多数同义突变可能是中性的，但少数可以产生表型变化。通过机器学习，研究者识别了这些突变如何影响一系列生物过程，包括信使RNA剪接、折叠、转录和翻译，并预测了具有临床有害性的同义突变，从而增强了我们对这些突变及其在人类疾病临床研究中的重要性的理解。为了精确且高效地在不同类型的核苷酸替换中产生同义突变，研究团队使用PEmax系统以及epegRNA进行靶向遗传编辑。为了便于高通量筛选，研究者在epegRNA的外部区域整合了条形码，称为eBARs。每个epegRNA都被标记了三个独立的eBARs，有效地为筛选过程创建了三个生物学重复。研究团队选择了人类结肠癌细胞系HCT116作为筛选对象，因为该细胞系由于MLH1基因的自然纯合无义突变而有利于PE编辑。经过一系列特定标准筛选后，研究团队构建了一个epegRNA文库。该文库最初从两个人类疾病数据库ClinVar和SynMICdb中获取潜在的致病性同义突变。此外，研究团队还选择了67个基因进行饱和同义突变设计，这些基因基于它们的突变负荷和表达水平，包括之前在酵母中研究过的人类同源基因。在这组基因中，11个必需人类基因被选为饱和拼接突变设计，以彻底评估同义突变的生物学影响。文库还设计了用于基因敲除的单碱基插入或提前终止密码子的引入，并包含了AAVS1靶向和非靶向epegRNAs作为阴性对照。每个突变位点平均被2.2个epegRNAs靶向。对于11个饱和突变设计的基因，涵盖了点突变范围内的所有可能类型的氨基酸替换。最终，文库包含297900个epegRNAs，针对3644个蛋白编码基因的94993个同义突变和39336个非同义突变。通过慢病毒转导将PEmax稳定整合到HCT116细胞中，并选择单克隆用于后续研究。HCT116-PEmax细胞的表达谱与野生型（WT）细胞几乎相同，且感染了非靶向或AAVS1靶向epegRNAs的HCT116-PEmax细胞作为阴性对照，显示出最小的变化。这表明稳定细胞系与WT HCT116细胞的特性非常相似。研究团队还评估了PEmax在HCT116细胞中的编辑效率。在28天的培养期内，每隔一段时间取样，高效率的FANCF+5 G-to-T突变的编辑在14天后逐渐减缓，而低效率的RNF2+1 C-to-A突变的编辑效率随时间逐渐增加。鉴于表型变化通常滞后于基因型变化，研究团队将筛选时间延长至35天。
[学术文献 ] 加州大学开发蛋白质组学新算法moPepGen 进入全文
Nature Biotechnology
2025年6月16日，加州大学洛杉矶分校的研究团队在《Nature Biotechnology》上发表题为“Identification of non-canonical peptides with moPepGen”的研究论文，介绍了一种名为moPepGen的基于图的算法，该算法能够全面生成非典型肽段，并在多种技术、多个物种以及所有类型的遗传和转录组数据中应用，能够在人类癌症蛋白质组中识别出由生殖系和体细胞基因组变异、非编码开放阅读框、RNA融合和RNA环化产生的以前无法观察到的非典型肽段。蛋白质组学领域的一个挑战是模拟基因表达的复杂性，传统的蛋白质鉴定方法主要依赖于参考数据库，这些数据库通常不包含非典型肽段，而非典型肽段可能来源于基因组变异、转录后修饰、RNA编辑、选择性剪接等过程，尽管近年来蛋白质组学技术取得了进展，但由于计算成本高、假阴性率高以及数据解释和变异鉴定困难，传统的非典型肽段检测策略存在局限性。moPepGen算法通过三个图（转录变体图TVG、肽变体图PVG和肽切割图PCG）来整合变异、进行体外翻译和肽切割，从而系统地遍历每种变异组合，该算法能够处理所有三种阅读框架，以有效捕获移码变异，并促进三框开放阅读框搜索，此外，moPepGen还能够处理替代剪接事件、转录融合和RNA环化等复杂情况。研究团队通过一系列实验验证了moPepGen的准确性和效率，首先使用1,000,000次模糊测试迭代来验证moPepGen，将其生成的非典型肽段与基于穷举法的算法进行比较，结果显示moPepGen具有完美的准确性和线性运行时间复杂度，其次将moPepGen与其他两种流行的自定义数据库生成器进行比较，发现moPepGen在预测包含多种变异类型的肽段方面更为敏感，并且能够检测到其他方法无法检测到的肽段，在人类癌症细胞系的蛋白质组中，moPepGen能够从376个细胞系中生成包含体细胞单核苷酸变异、小插入和缺失以及转录融合的非典型肽段数据库，在匹配的蛋白质组数据中，moPepGen能够检测到更多的非典型肽段，这些肽段主要来源于非编码转录本的开放阅读框，此外，moPepGen还能够检测到由RNA编辑、转录融合和选择性剪接产生的变异肽段。moPepGen是一种计算效率高的算法，能够在任意变异类型下枚举转录组和蛋白质组的多样性，能够跨物种、蛋白酶和技术检测变异和新开放阅读框肽段，可以整合到现有的蛋白质分析工作流程中，并广泛增强许多应用中的蛋白质组学分析，研究团队展示了moPepGen在多个领域的应用，包括在人类癌症细胞系中检测体细胞变异产生的非典型肽段，在小鼠C57BL/6N品系中检测生殖系变异产生的非典型肽段，在人类前列腺癌样本中检测由多种基因表达调控层产生的非典型肽段，包括生殖系单核苷酸多态性、选择性剪接事件和circRNA回剪接，在数据独立采集（DIA）质谱中检测非典型肽段，这些应用实例证明了moPepGen在蛋白质组学研究中的广泛适用性和强大的功能，为未来的蛋白质组学研究提供了一个强大的工具。
