固話:010-53395839
郵箱:service@qinglianbio.com
網址:www.luobotuitui.com
地址:北京市海淀區永豐產業基地綠海大廈C座301
蛋白質磷酸化修飾是生物體內重要的共價修飾方式之—。蛋白質的磷酸化和去磷酸化這—可逆過程調節著包括細胞增殖、 發育、 分化、 信號轉導、 細胞凋亡、 神經活動、 肌肉收縮及腫瘤發生等過程在內的所有生命活動。 在哺乳動物細胞生命周期中,大約有1/3的蛋白質發生著磷酸化修飾。
技術原理
蛋白質磷酸化可以發生在多種氨基酸上,其中以絲氨酸(S)多、蘇氨酸(T)次之、酪氨酸(Y)相對較少。利用金屬氧化物TiO2對磷酸基團的親和能力可以實現對含有S,T,Y磷酸化肽段的富集同時結合LC-MS/MS蛋白質定量的方法,實現大規模磷酸化蛋白質定性定量分析。
磷酸化蛋白組學與labelfree技術聯用流程圖
技術優勢
1.相關領域專業技術團隊;
2.經驗豐富的實驗操作人員,富集效率>90%;
3.自主研發改進的具有技術領先地位的操作方法;
4.動物植物多種案例經驗累積;
5.人才濟濟的生物信息分析團隊。
應用領域
基礎醫學、臨床診斷:生物標志物,疾病機理機制,疾病分型,個性化治療等;
生物醫藥:藥物作用機理,藥效評價,藥物開發等;
微生物領域:致病機理,耐藥機制,病原體-宿主相互作用研究等;
海洋水產:漁業資源,海水養殖,漁業環境與水產品安全等;
食品營養:食品儲藏及加工條件優化,食品組分及品質鑒定,功能性食品開發,食品安全監檢測等。
藥物靶點(Drug Target)是指體內具有藥效功能并能被藥物作用的生物大分子,作為藥物靶點的主要蛋白家族就有GPCR受體,離子通道、核受體、激酶等。自21世紀以來,基于靶點的藥物發現模式逐漸取代了傳統的基于藥物化學結構的發現模式,成為現代創新藥物研發的主流模式。
因此,事先確定靶向特定疾病有關的靶點分子是現代新藥開發的基礎。針對靶點的研究可以清楚疾病癥結所在,從而確定了新藥的研發方向。此外靶點的研究還有助于了解藥物作用機制,進而對已有藥物進行改造,研發出毒性更小、選擇性更強、治療效果更好的新藥。
既然靶點研究如此重要,那么該如何去發現這些靶點呢?今天小編就給大家梳理下如何利用組學手段去篩選藥物靶點以及研究藥物作用機制!
文獻案例一
雙修飾蛋白組揭示肝母細胞瘤的潛在治療靶點-HSPB-1
上海交通大學醫學院附屬上海兒童醫學中心潘秋輝教授和徐敏教授團隊在知名期刊Signal Transduction and Targeted Therapy(IF:13.493)上發表題為“Global profiling of O-GlcNAcylated and/or phosphorylated proteins in hepatoblastoma”的研究論文。以肝母細胞瘤(Hepatoblastoma,HB)為研究對象,從蛋白質修飾組學的角度,對HB組織和正常肝組織進行大規模的磷酸化修飾和O-糖基化修飾鑒定,雙修飾組學聯合分析找到了肝母細胞瘤的潛在治療靶點HSPB-1。
研究思路
通過組學大數據和生信分析,52%鑒定到的O糖基化蛋白同時被鑒定到了磷酸化修飾,這些蛋白主要與染色質調控,轉錄,翻譯,轉運以及細胞器組成相關。PPI網絡分析發現雙修飾的蛋白可能在部分細胞信號轉導過程中發揮協同作用。研究者進一步根據其已知功能將具有O糖基化修飾的蛋白質進行分類(圖2)。其中參與腫瘤發生過程的雙修飾蛋白NPM1,HSPE1以及HSPB1引起作者注意,并通過IP-WB進一步證實了其蛋白的磷酸化水平與O糖基化水平在腫瘤組織中與正常組織的差異變化。
文獻案例二
雙修飾蛋白組揭示肝母細胞瘤的潛在治療靶點-HSPB-1
OVID-19由SARS-CoV-2引起,重癥患者多采取機械通氣和預防繼發感染等支持性措施,確診和死亡率高,到目前為止還沒有批準的藥物可用于 COVID-19 治療。因此,深入了解體液的分子和代謝變化至關重要。
文章標題:Multi-platform omics analysis reveals molecular signature for COVID-19 pathogenesis, prognosis and drug target discovery
發表期刊:Signal Transduction and Targeted Therapy
影響因子:IF=13.439
蛋白組技術手段:DIA
對三種人群(重癥、非重癥、健康)血漿樣品進行DIA蛋白定量、脂質組和氨基酸檢測,定量到1,254個蛋白質、664個脂質小分子和16種氨基酸,并對篩選到的差異物質進行聚類分析、時間序列分析、表達模式分析、功能注釋等,分析了與SARS-CoV-2感染相關的異常表達物質。后期構建了隨機森林機器學習模型,選擇了 25 個重要變量,包括 4 種蛋白質和 21 種脂質。
基于蛋白質組、氨基酸和脂質組數據構建了隨機森林機器學習模型,優先選擇了 25 個重要變量,包括 4 種蛋白質和 21 種脂質,可作為潛在的預測疾病嚴重程度的生物標志物。使用10名患者組成的血漿驗證隊列發現這25種物質中量化了19種分子,使用疾病患者尿液樣本發現8 個分子能夠被量化,這說明這25種物質可作為區分非重癥和重癥患者的潛在指標。
本文利用血漿和尿液蛋白質組、氨基酸和脂質組學篩選出25 個重要的特征分子作為預測COVID-19疾病嚴重程度的潛在生物標志物,并揭示了發病機制,提出了潛在的治療靶點和治療藥物。
![]() | 固話:010-53395839 |
![]() | 郵箱:service@qinglianbio.com |
![]() | 地址:北京市海淀區永豐產業基地綠海大廈C座301 |