如何寻找与一已知蛋白质相互作用的蛋白质?如何进一步验证蛋白质之间是不是确实存在相互作用(细胞内/细胞外
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何寻找与一已知蛋白质相互作用的蛋白质?如何进一步验证蛋白质之间是不是确实存在相互作用(细胞内/细胞外相关的知识,希望对你有一定的参考价值。
如何寻找与一已知蛋白质相互作用的蛋白质?如何进一步验证蛋白质之间是否确实存在相互作用(细胞内/细胞外?直接作用还是间接作用)?
谢谢。
然后可以做CoIP(中文可能是什么共沉淀),用针对那个已知蛋白的抗体去从细胞裂解液中抓出未知的蛋白;或者,把已知蛋白联到beads上,也可以抓出未知蛋白,这叫pull-down assay;
至于验证蛋白间的作用么,细胞内(in vivo)可以用FRET,或in situ PLA;细胞外(in vitro)么还是用pull-down,要用一定浓度的盐去洗,要不然可能是非特异性结合的。
你指的间接作用是指有别的蛋白做中间人?那就看你抓出来多少东西了~ 参考技术A 相互作用的种类很多阿。比如疏水相互作用、静电相互作用、螯合作用等等。不过如果楼主的意思是指蛋白质之间的association的话,验证两种蛋白质之间是否存在association最直接的办法,首先在载体上(比如硅载体或者胶体金颗粒,也可以通过酵母表面展示)结合已知蛋白质,然后用结合已知蛋白质的载体对蛋白质库进行吸附和洗脱,通过检测光信号、电信号或者其他信息就能知道是否发生了相互作用。
因为楼主问题太宽,只能这么简单的回答,希望能有所帮助。
AlphaFold预测了几乎所有已知蛋白质!涵盖100万物种2.14亿结构,数据集开放免费用...
明敏 发自 凹非寺
量子位 | 公众号 QbitAI
全世界几乎所有已知蛋白质结构,都被AlphaFold预测出来了!
在预测出人类98.2%蛋白质一年后,DeepMind的重磅成果再次引爆学术界。
包括植物、细菌、真菌在内的100万个物种、2.14亿个蛋白质结构,现在都增加到了数据集中。
其中80%结构的可信度达到了足以支撑研究实验的水平,更有35%达到了高置信度。
而且这些数据全部免费开放!
DeepMind表示,以后查找蛋白质结构,会像使用搜索引擎一样简单。
创始人哈撒比斯发推激动地说:
这是我们给全人类的一份礼物。
整个科研圈也再次被点燃,网友纷纷表示:难以置信,感谢开放数据集!
难以想象这会为药物研发带来什么!
像用搜索引擎一样查找蛋白质
这次数据集更新,主要增加了植物、细菌、动物和其他生物的蛋白质结构。
去年7月,AlphaFold数据集发布了人类98.5%的蛋白质结构,以及包含大肠杆菌、果蝇、小鼠等20个科研常用生物的蛋白质组数据。
数据集规模从之前的35万个蛋白质结构,一下子提升到了大约2.14亿个。
DeepMind创始人哈撒比斯表示,这基本上可以说是“整个蛋白质宇宙”了。
这意味着更多领域的研究可以被大幅提速。
斯克里普斯研究转化所创始人Eric Topol表示:
过去确定蛋白质3D结构往往需要数月或数年,而现在只用几秒钟。
要知道,蛋白质作为生命活动的基石,其相关研究对药物研发、疾病攻克、食品工程、农业、工业等领域都有重要影响。
但是蛋白质的研究却非常复杂。
因为其功能由结构决定,而其3D结构又是由氨基酸以脱水缩合的方式组成多肽链,多肽链再盘曲折叠而成。
也就是说,即使科学家们已知了蛋白质的氨基酸序列,可能的3D结构情况仍旧非常多。
假设一个蛋白质由100个氨基酸序列组成,那么它可能的3D结构情况将多达2的100次方个。
过去很长一段时间里,蛋白质预测工作主要通过科学家手动完成,比如施一公院士,就是用冷冻电镜预测蛋白质结构的顶级专家。
计算机虽然也能预测蛋白质结构,但是其准确性始终不高。
而这一局面,随着AlphaFold2的诞生后开始发生变化。
2020年12月,AlphaFold2在CASP14(蛋白质结构预测比赛)中的成绩,达到了史无前例的92.4/100。
和蛋白质真实结构之间只差一个原子的宽度,真正解决了蛋白质折叠的问题。
在此半年后,DeepMind先后开源AlphaFold2、AlphaFold数据集,可谓是在学术圈扔下了一记重磅炸弹。
2021年底,Nature将AlphaFold2预测人类98.5%的蛋白质并开源数据库列入年度十大科学事件。
项目领队John Jumper也因此入选年度十大人物。
已有50多万学者访问过数据库
DeepMind最新公布数据显示,目前全球已经有190多个国家/地区、50多万名研究人员访问过AlphaFold数据集。
而学者们利用AlphaFold开展研究的成果也已经开始显现。
最近,发表在Science上的一篇研究表明,他们利用AlphaFold拼出了核孔复合体。
这个结构由数百个蛋白质组成,控制着细胞核的物质进出,其相关研究是生物领域内的重点课题。
在AlphaFold的辅助下,该团队预测出了这一结构中一些未知区域。
△黄色部分表示新预测结构
DNDi(被忽视疾病药物开发组织)也曾表示,AlphaFold2推动了他们在热带疾病药物开发方面的研究。
朴茨茅斯大学酶创新中心(CEI)则利用AlphaFold2开发一些新的酶,可以用来降解污染环境的一次性塑料。
此外,过去一年来不少学术机构都在开展AlphaFold的相关研究,以使得这一工具能够让更多学者便捷使用。
前不久,哥伦比亚大学发布了首个AlphaFold2完整复刻版模型,采用PyTorch框架。
与此同时,计算生物行业也成为了人们关注的焦点,不少公司都在推出相关业务。
或许正如网友所说,世界正在因此而改变。
参考链接:
[1]https://www.deepmind.com/blog/alphafold-reveals-the-structure-of-the-protein-universe
[2]https://news.ycombinator.com/item?id=32262856
[3]https://www.nature.com/articles/d41586-022-02083-2
以上是关于如何寻找与一已知蛋白质相互作用的蛋白质?如何进一步验证蛋白质之间是不是确实存在相互作用(细胞内/细胞外的主要内容,如果未能解决你的问题,请参考以下文章
AlphaFold预测了几乎所有已知蛋白质!涵盖100万物种2.14亿结构,数据集开放免费用...