共检索到2409条,权限内显示50条;
[学术文献 ] 美麻省理工大学改造CRISPR-Cas9系统开发新型先导编辑器 进入全文
Nature
2025年9月17日，来自美国麻省理工学院科赫综合癌症研究所和生物学系的Vikash P. Chauhan、Phillip A. Sharp和Robert Langer研究团队在《Nature》上发表题为“Engineered prime editors with minimal genomic errors”的研究论文。该研究通过工程化改造CRISPR-Cas9系统，开发出一种新型先导编辑器（prime editor），显著降低了基因组编辑过程中产生的插入/缺失（indel）错误。研究团队发现，通过引入特定突变（如R780A、K848A、H982A等）松弛Cas9切口酶（nickase）的切口定位，可促进竞争性5'链的降解，从而减少其与编辑后的3'新链之间的竞争，提高编辑准确性。他们首先构建了精确先导编辑器（pPE），进一步通过效率优化突变（如R221K、N1317R）开发出超精确先导编辑器（xPE），最终结合RNA稳定性策略（使用La蛋白）构建出极精确先导编辑器（vPE）。在多种细胞系（如HEK293T、A549、HeLa及小鼠胚胎干细胞）和多个基因组位点上的实验表明，vPE在保持高编辑效率的同时，将indel错误率降低至最高60倍，编辑与错误比例可达543:1，且脱靶编辑显著减少。该研究为高精度基因组编辑提供了新工具，尤其适用于需要低错误率的基因治疗和多基因编辑应用。
[学术文献 ] 临港实验室与上交合作开发新型蛋白质组学方法APPLE-MS 进入全文
Cell Reports Methods
2025年9月15日，临港实验室江何伟团队与上海交通大学系统生物医学研究院陶生策团队合作，在Cell Reports Methods杂志上发表了题为Sensitive and specific affinity purification-mass spectrometry assistedby PafA-mediated proximity labeling的研究论文。该研究开发了一种新型蛋白质组学方法——APPLE-MS（Affinity Purification coupled Proximity LabEling-Mass Spectrometry），成功将Twin-Strep标签的高特异性富集能力与PafA介导的邻近标记技术相结合，实现在同一流程中高效、高灵敏度地捕获稳定及瞬时的蛋白质相互作用。APPLE-MS巧妙地利用了原核泛素样蛋白（Pup）标记系统中的PafA酶。该酶能够催化PupE共价标记邻近蛋白质。随后该技术通过Twin-Strep标签与链霉亲和素之间的高亲和力进行高效富集，实现在单一流程中完成PPIs的捕获与质谱鉴定。该方法不仅操作简便，还能在天然细胞环境下有效捕获传统AP-MS方法难以检测的弱相互作用（结合强度可达76μM）和膜蛋白复合物，其模块化设计允许在严格洗涤条件下通过共价连接稳定捕获瞬态互作，同时最小化对“bait”蛋白功能的干扰，显著提升了数据的可重复性和信噪比。研究团队通过多个模型系统验证了APPLE-MS的优越性能。在针对SARS-CoV-2 ORF9b蛋白的互作组的研究中，APPLE-MS成功鉴定出138个高置信度的相互作用蛋白，数量是传统AP-MS方法的4.07倍，并显著提高了信噪比。进一步的时间分辨分析揭示了ORF9B在抗病毒应答过程中动态调控线粒体代谢和免疫通路的作用机制，包括与RIG-I/MAVS信号通路关键组分（如RNF123和TUFM）的互作变化，以及该蛋白在不同感染阶段通过靶向TCA循环和氧化磷酸化复合物以重编程宿主代谢的策略，这些发现深入揭示了ORF9b作为多功能毒力枢纽的分子机制。此外，团队还利用CRISPR-Cas9技术在内源性PIN1蛋白中引入Twin-Strep标签，发现了PIN1在DNA复制和非编码RNA加工中的新功能，包括与MCM复合物和RFC1等复制体成分的相互作用。这些结果拓展了人们对PIN1在维持基因组稳定性和细胞周期调控中功能的认知，也展现了APPLE-MS在生理相关条件下研究内源性蛋白互作的能力。尤其值得关注的是，APPLE-MS成功应用于研究膜蛋白GLP-1受体的互作。通过在细胞表面原位进行邻近标记，该方法无需细胞裂解即可在天然膜环境下捕获互作事件。研究人员在INS-1E细胞中鉴定出301个潜在互作蛋白，包括多个已知和新型的共受体与信号组件，如ATP酶亚基和转运蛋白复合物。这些发现为理解GLP-1的血糖调控和其他生理功能中的作用提供了新视角，并展现出APPLE-MS在GPCR信号网络研究中的广泛应用潜力。综上所述，APPLE-MS技术兼具AP-MS的高特异性和邻近标记技术的高灵敏度，尤其适用于研究膜相关复合物和动态互作网络的研究。其小尺寸标签设计和通用酶系统使其可广泛应用于多种细胞类型，同时支持内源性标记和多重分析策略。该技术为疾病机制解析和新药靶点发现提供了强大工具，未来有望在更多生物学场景中发挥重要作用。
[学术文献 ] 北京大学发现AMPainter显著提高各种肽段的抗菌效力 进入全文
Advanced Science
2025年9月12日，北京大学宋晨独立通讯在Advanced Science在线发表题为“Painting Peptides With Antimicrobial Potency Through Deep Reinforcement Learning”的研究论文。该研究提出了一种名为 AMPainter 的新型 AMP 设计模型。AMPainter 基于深度强化学习，将优化和生成任务集成在一个统一的框架中。AMPainter 适用于三种类型的肽，包括已知 AMPs、信号肽 (SPs) 和随机序列。AMPainter 在增强已知 AMPs 的活性、预测抗菌效力和多样性方面优于十种相关模型。一些 AMPs 的实际最低抑菌浓度 (MICs) 降低了 128 倍。AMPainter 能够从膜活性 SPs 进化出有效的 AMPs，实验成功率高达 80%。在生成方面，从无活性随机序列重新设计的AMP对四种细菌的平均MIC达到2.88 µM。沿虚拟进化路径构建的肽段体外MICs与预测值相符。因此，AMPainter可以显著提高各种肽段的抗菌效力，拓展AMP序列空间，并发现新型抗菌药物。
[学术文献 ] 美国洛克菲勒大学开发土壤宏基因组长读长测序方法发现新型抗生素 进入全文
Nature Biotechnology
2025年9月12日，来自美国洛克菲勒大学遗传编码小分子实验室的Sean F. Brady研究团队在《Nature Biotechnology》上发表题为《Bioactive molecules unearthed by terabase-scale long-read sequencing of a soil metagenome》的研究论文。该研究开发了一种从土壤中提取高质量大片段宏基因组DNA并结合纳米孔长读长测序技术的方法，成功从一个森林土壤样本中获得了2.5 Tbp的长读长序列数据，组装出数百个完整或近乎完整的环状宏基因组基因组，其中包括许多以往难以获取的未培养细菌类群。通过生物信息学预测与化学合成相结合的策略，研究人员将预测出的非核糖体肽合成酶基因簇（NRPS BGCs）转化为55种合成生物信息学天然产物（synBNPs），并从中发现两种新型抗生素：erutacidin是一种广谱抗生素，通过结合心磷脂破坏细菌膜结构，对多种耐药菌有效且不易引发耐药性；trigintamicin则靶向ClpX蛋白酶，对金黄色葡萄球菌具有强效抑制作用。该方法推进了对未培养细菌中巨大遗传多样性的宏基因组学获取，并提供了一种将其转化为生物活性分子的手段。
[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 ] 英国伦敦国王学院等揭示能量缺乏选择性挤压拥挤上皮细胞机制 进入全文
Nature
2025年9月10日，来自英国伦敦国王学院、美国犹他大学及西班牙庞培法布拉大学等多个机构的Saranne J. Mitchell、Carlos Pardo-Pastor、Anastassia Tchoumakova、Thomas A. Zangle和Jody Rosenblatt研究团队在《Nature》上发表题为《Energy deficiency selects crowded live epithelial cells for extrusion》的研究论文。该研究揭示了上皮细胞在拥挤环境中通过能量状态被选择进行挤压（extrusion）的机制： crowding通过上皮钠通道（ENaC）引发钠离子内流，导致细胞去极化；能量充足（ATP水平高）的细胞能通过Na⁺/K⁺ ATP酶恢复膜电位，而能量不足的细胞无法复极，进而激活电压门控钾通道（Kv1.1/Kv1.2）和氯通道（SWELL1），引起水分流失和细胞收缩（称为HES），若收缩超过17%则触发Piezo1介导的活细胞挤压；该过程不依赖钙信号或细胞质量，而是通过膜电位和ATP水平筛选出“弱势”细胞，维持上皮稳态，并在小鼠肺外植体中验证了这一机制；研究还发现高渗处理可模拟该过程诱导挤压，而多种离子通道抑制剂可阻断挤压；该机制揭示了能量状态作为细胞淘汰的新标准，对理解上皮代谢疾病、癌症及通道病相关上皮功能障碍具有重要意义。
