蛋白質結構解析六十年

2020-12-20 生物谷

幾種不同摺疊模式的蛋白質模型(圖片來源Protein Data Bank Japan )

2015年6月30日/生物谷BIOON/--上個世紀初,科學家們認為蛋白質是生命體的遺傳物質,而具有獨特的作用。隨著這個理論被證偽,真正的遺傳物質DNA的結構被給予了很大關注。然而,蛋白質作為生命體的重要大分子,其重要性也從未被忽視,而且在1950年代開始,科學家一直在探尋DNA序列和蛋白質序列的相關性。與此同時,蛋白質測序和結構解析蛋白質結構的努力開始慢慢獲得回報。更多的生化研究揭示了蛋白質的功能重要性,因此蛋白質的三維結構的解析對於深入理解蛋白質功能和生理現象起著決定性作用。

本文簡要回顧了蛋白質結構解析的重大歷史事件,並總結了蛋白質結構解析的常用方法和結構分析方向。通過了解蛋白質結構,能夠讓我們更好地理解生物體的蛋白的理化特性,以及其相關聯的化學反應途徑及其機制,對於我們認識生物世界和研發治療方法和藥物都起著關鍵作用。在即將召開的2015高解析度成像與生物醫學應用研討會上,各位專家學者將會進一步討論相關議題。

蛋白質結構解析六十年來大事件

在1958年,英國科學家John Kendrew和Max Perutz首先發表了用X射線衍射得到的高解析度的肌紅蛋白Myoglobin的三維結構,然後是更加複雜的血紅蛋白Hemoglobin。因此,這兩個科學家分享了1962年的諾貝爾化學獎。事實上,這項工作在早在1937年就開始了。

然後在1960年代,蛋白質結構解析方法不斷進步,獲得了更高的解析精度。這個時期,蛋白質序列和DNA序列間關係也被發現,中心法則被Francis Crick提出,然後科學界見證了分子生物學的崛起。分子生物學(Molecular Biology)的名稱在1962年開始被廣泛接受和使用,並逐漸演變出一些支派,如結構生物學。然後在1964年,Aaron Klug提出了一種基於X射線衍射原理發展而來的全新的方法電子晶體學顯微鏡(crystallographic electron microscopy ),可以解析更大蛋白質或者蛋白質核酸複合體結構。因為這項研究,他獲得了1982諾貝爾化學獎。1969年,Benno P. Schoenborn 提出可以用中子散射和原子核散射來確定大分子中固定位置的氫原子坐標。

進入1970年代,很多新的方法開始發展。存儲蛋白質三維結構的Protein Data Bank(1971年) 開始出現,這對於規範化和積累蛋白質數據有著重要意義。1975年新的一種儀器叫做多絲區域檢測器,讓X-ray的檢測和數據收集更加快速高效。次年,Robert Langride將X-ray衍射數據可視化,並在加州大學聖地牙哥分校成立了一個計算機圖形實驗室。同年,KeithHodgson和同事首次證明了可以使用同步加速器獲得的X射線並對單個晶體進行照射,並取得了很好的實驗效果。然後在1978年,核磁共振NMR首次被用於蛋白質結構的解析;同年首個高精度病毒(西紅柿叢矮病毒)衣殼蛋白結構被解析。

在1980年代,更多蛋白質結構被解析,蛋白質三維結構的描述越來越成熟,而且蛋白質結構解析也被公認成為藥物研發的關鍵步驟。在1983年,冷凍蝕刻的菸草花葉病毒結構在電子顯微鏡結構下得到描述。兩年後德國科學家John Deisenhofer等解析出了細菌光合反應中心,因此他們共享了1988年的諾貝爾化學獎。次年,兩個課題組解析了HIV與複製相關的蛋白酶結構,對針對HIV的藥物研發提供了理論基礎。

下一個十年,因為大量同步加速器輔助的X射線衍射的使用,數千個蛋白質結構得到解析,迎來了蛋白質結構組的曙光。1990年多波長反常散射方法(MAD)方法用於X射線衍射晶體成像,與同步輻射加速器一起,成為了近二十多年來的最常用的的方法。Rod MacKinnon在199年發表了第一個高精度的鉀離子通道蛋白結構,對加深神經科學的理解起了重要作用,因此他分享了2003年的諾貝爾化學獎。Ada Yonath等領導的課題組在1999年首次解析了核糖體結構(一種巨大的RNA蛋白質複合體)。

進入新千年,更多的技術細節被加入到蛋白質解析研究領域。2001年,Roger Kornberg和同事們描述了第一個高精度的RNA聚合酶三維結構,正因此五年後他們共享了諾貝爾化學獎。2007年,首個G蛋白偶聯受體結構的解析更是對藥物研究帶了新的希望。近些年來,越來越多的大的蛋白質結構得到解析。Cryo-EM超低溫電子顯微鏡成像用於超大蛋白質結構成像的研究日益成熟,並開始廣泛用於蛋白質結構的解析。

蛋白質結構解析的常用實驗方法

1.X-ray衍射晶體學成像

X射線衍射晶體學是最早用於結構解析的實驗方法之一。X射線是一種高能短波長的電磁波(本質上屬於光子束),被德國科學家倫琴發現,故又被稱為倫琴射線。理論和實驗都證明了,當X射線打擊在分子晶體顆粒上的時候,X射線會發生衍射效應,通過探測器收集這些衍射信號,可以了解晶體中電子密度的分布,再據此析獲得粒子的位置信息。利用這種特點,布拉格父子研製出了X射線分光計並測定了一些鹽晶體的結構和金剛石結構。首個DNA結構的解析便是利用X射線衍射晶體學獲得的。

後來,獲得X射線來源的技術得到了改進,如今更多地使用同步輻射的X射線源。來自同步輻射的X射線源可以調節射線的波長和很高的亮度,結合多波長反常散射技術,可以獲得更高精度的晶體結構數據,也成為了當今主流的X射線晶體成像學方法。由X射線衍射晶體學解析的結構在RCSB Protein Data Bank中佔到了88%。

X射線衍射成像雖然得到了長足的發展,仍然有著一定的缺點。X射線對晶體樣本有著很大的損傷,因此常用低溫液氮環境來保護生物大分子晶體,但是這種情況下的晶體周圍環境非常惡劣,可能會對晶體產生不良影響。而且,X射線衍射方法不能用來解析較大的蛋白質。

上海同步輻射加速器外景(圖片來源 上海同步輻射光源網站)

2.NMR核磁共振成像

核磁共振成像NMR全稱Nuclear magnetic resonance,最早在1938被Isidor Rabi (1946年諾貝爾獎)描述,在上世紀的後半葉得到了長足發展。其基本理論是,帶有孤對電子的原子核(自選量子數為1)在外界磁場影響下,會導致原子核的能級發生塞曼分裂,吸收並釋放電磁輻射,即產生共振頻譜。這種共振電磁輻射的頻率與所處磁場強度成一定比例。利用這種特性,通過分析特定原子釋放的電磁輻射結合外加磁場分別,可以用於生物大分子的成像或者其他領域的成像。有些時候,NMR也可以結合其他的實驗方法,比如液相色譜或者質譜等。

RCSB Protein Data Bank資料庫中存在大約11000個用NMR解析的生物大分子結構,佔到總數大約10%的結構。NMR結構解析多是在溶液狀態下的蛋白質結構,一般認為比起晶體結構能夠描述生物大分子在細胞內真實結構。而且,NMR結構解析能夠獲得氫原子的結構位置。然而,NMR也並非萬能,有時候也會因為蛋白質在溶液中結構不穩定能難得獲取穩定的信號,因此,往往藉助計算機建模或者其他方法完善結構解析流程。

使用NMR解析的血紅蛋白結構建模(圖片來源RCSB PDB)

3.Cryo-EM超低溫電子顯微鏡成像

電子顯微鏡最早出現在1931年,從設計之初就是為了試圖獲得高解析度的病毒圖像。通過電子束打擊樣本獲得電子的反射而獲取樣本的圖像。而圖像的解析度與電子束的速度和入射角度相關。通過加速的電子束照射特殊處理過的樣品表明,電子束反射,並被探測器接收,並成像從而獲得圖像信息。具體做法是,將樣品迅速至於超低溫(液氮環境)下並固定在很薄的乙烷(或者水中),並置於樣品池,在電子顯微鏡下成像。圖像獲得後,通過分析圖像中數量眾多的同一種蛋白質在不同角度的形狀,進行多次的計算機建模從而可以獲得近原子級別的精度(最低可以到2.0埃)。

Cyro-EM解析TRPV1離子通道蛋白(圖片來源Structure of the TRPV1 ion channel )

將電子顯微鏡和計算機建模成像結合在一起的大量實踐還是在新世紀之後開始流行的。隨著捕捉電子的探測器技術(CCD技術,以及後來的高精度電子捕捉、電子計數electron counting設備)的提升,更多的信息和更低的噪音保證了高解析度的圖像。

近些年來,Cryo-EM被用來解析很多結構非常大(無法用X-ray解析)的蛋白質(或者蛋白質複合體),取得了非常好的結果。同時,單電子捕捉技術取代之前的光電轉換成像的CCD攝像設備,減少了圖像中的噪音和信號衰減,同時並增強了信號。計算機成像技術的成熟和進步,也賦予了Cryo-EM更多的進步空間。然而,Cyro-EM與X-ray不同,該方法不需要蛋白質成為晶體,相同的是都需要低溫環境來減少粒子束對樣品的損害。

除去介紹的這三種方法以外,計算機建模技術也越來越多地被用在了蛋白質結構解析中。而且新解析的結構也會提高計算機建模的精確度。未來,我們或許能夠用計算機構建原子級別的細胞模型,構建在晶片上的細胞。

蛋白質結構對了解生命體的生化反應、有針對性的藥物研發有著重要意義。從1958到如今已經接近60年,蛋白質結構解析得到了較快的發展。然而,在如今DNA測序如此高效廉價的時代,蛋白質和DNA結構解析並沒有進入真正高速發展階段,這也導致了在如此多的DNA序列數據非常的今天,結構數據卻相對少的可憐。大數據時代的基因組、蛋白質組、代謝組、脂類組等飛速發展的時候,蛋白質結構組也得到了更加廣泛的重視。發展高精度、高效的結構解析技術也一直都有著重要意義。未來,蛋白質結構解析,對針對蛋白質的藥物篩選,和計算機輔助的藥物研究研究不應被低估。未來說不定在蛋白質結構領域有著更多驚喜,讓我們拭目以待。(生物谷Bioon.com)

本文系生物谷原創編譯整理,歡迎轉載!轉載請註明來源並附原文連結。更多資訊請下載生物谷APP.

相關會議

會議官網 http://www.bioon.com/z/2015HR/

相關焦點

  • 蛋白質複合物結構解析
    因此解析生物大分子複合物的結構,了解成份之間的組裝方式/相互作用/識別和穩定機制等等,對增進生理或病理等過程的認識非常必要和關鍵。很多時候,一種蛋白質可以和多種蛋白質相互作用和結合。而蛋白質和蛋白質的相互作用界面(PPI)成為藥物靶標區域,越來越受到重視,學術界和藥企都關注活性位點的選擇性和特異性不夠帶來的問題,而深入研究活性位點之外的為蛋白質活性所需的重要的PPI區域,將對開發新型藥物具有很大促進作用。解析複合物的結構,闡釋和深刻認識PPI,開發阻斷PPI的化合物作為藥物也是一種新的思路。
  • 蛋白質3D結構可用AI解析
    「結構即功能」是分子生物學的定理,若能根據蛋白質的胺基酸序列推出其結構,有助於人們加速了解細胞的組成和運作規律,一些新藥物的研發也能更快推進。  長久以來,人們需要藉助實驗確定完整的蛋白質結構,比如X射線晶體學和冷凍電鏡,這些方法往往要花費數月甚至數年時間,目前人類已發現的2億蛋白質中,只有不到20萬的蛋白質結構被解析。
  • 科學網—蛋白質結構解析:生物學的「聖杯」
    無怪乎羅伊發此喟嘆,當年的統計數字顯示,只有0.6%的已知蛋白序列被解析出了相應的結構。 不過,自從美國科學家克裡斯蒂安·安芬森(Christian B.Anfinsen)提出「蛋白質的高級空間結構由蛋白質的胺基酸序列決定」後(他也因此獲得1972年諾貝爾化學獎),人們開始尋找一種能夠預測蛋白質結構的算法,可以精確地從蛋白質的胺基酸序列,利用計算機預測出其複雜的空間結構,甚至其由結構決定的功能。
  • 蛋白質3D結構可用AI解析 生物學界最大的挑戰有望破解
    圖中藍色為計算機預測的蛋白質結構,綠色為實驗驗證結果,二者相似度非常高。圖片來源:DeepMind本報訊生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。「結構即功能」是分子生物學的定理,若能根據蛋白質的胺基酸序列推出其結構,有助於人們加速了解細胞的組成和運作規律,一些新藥物的研發也能更快推進。長久以來,人們需要藉助實驗確定完整的蛋白質結構,比如X射線晶體學和冷凍電鏡,這些方法往往要花費數月甚至數年時間,目前人類已發現的2億蛋白質中,只有不到20萬的蛋白質結構被解析。
  • 高寧:蛋白質結構的解析專家
    在美國攻讀博士的5年時光裡,高寧在弗蘭克教授的帶領下,真正進入了冷凍電鏡技術的世界。「之前在北大完全沒有接觸過電鏡,正是因為電鏡三維重構技術的從二維的照片還原計算三維的分子結構的這一神奇過程吸引了我。」
  • 蛋白質的結構與功能專業試題模擬
    >E 所含必需胺基酸的含量和比值【答案】正確答案: E 【知識點】合理營養-人體必需的營養素及能量【解析】蛋白質的胺基酸評分(蛋白質化學評分),用於反映蛋白質構成和利用率的關係,即所含必需胺基酸的含量和比值主要決定了蛋白質生物學價值的高低,E正確。
  • 同步輻射中的蛋白質結構和功能研究
    晶體學早年的工作集中在小分子晶體的結構解析上,一直到二十世紀五六十年代,肯德魯(Kendrew)和佩魯茨(Perutz)的工作解析了肌紅蛋白和血紅蛋白的晶體結構,結構生物學這個今天的「明星」學科誕生了。今天,利用X 射線晶體學解析蛋白質結構這門學科也被稱為「蛋白質晶體學」,屬於X 射線晶體學的一個分支。
  • 解決生物學50年來的重大挑戰!生物界「AlphaGo」精準預測蛋白質結構
    今日,DeepMind宣布,其新一代AlphaFold人工智慧系統,在國際蛋白質結構預測競賽(CASP)上擊敗了其餘的參會選手,能夠精確地基於胺基酸序列,預測蛋白質的3D結構。其準確性可以與使用冷凍電子顯微鏡(CryoEM)、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。這一突破被多家媒體稱為「變革生物科學和生物醫學」的突破。
  • 顏寧等點評:AI 精準預測蛋白質結構,結構生物學何去何從?
    這可能是從 1969 年第一篇 Journal of Molecular Biology 用比較建模方法預測蛋白質結構發表 51 年以來最大的突破。這個領域過去 20 年來,進展一直比較緩慢,但最近幾年,隨著共同進化、接觸圖預測以及引入深度學習之後,很多軟體,比如 I-TASSER 和 Rosetta 等,都有了很大進步。
  • 顏寧等點評:AI精準預測蛋白質結構,結構生物學何去何從?
    12月1日,谷歌旗下的DeepMind公司宣布,其新一代AlphaFold人工智慧系統在國際蛋白質結構預測競賽(CASP)上擊敗了其餘的參會選手,精確預測了蛋白質的三維結構,準確性可與冷凍電子顯微鏡(cryo-EM)、核磁共振或 X 射線晶體學等實驗技術相媲美。(詳見《解決生物學50年來的重大挑戰!
  • 蛋白質結構分析系列(一)
    我對該領域的狹隘的基本認識        通常情況下,我們認為的蛋白質結構分析可能都是三級結構分析、蛋白和蛋白互作或蛋白與其他生物分子互作的分析,這種分析通常在結構生物學領域常見。事實上,做生物信息學的學生也會經常涉及蛋白質結構分析。
  • 北大學人|高寧:蛋白質結構的解析專家
    在美國攻讀博士的5年時光裡,高寧在弗蘭克教授的帶領下,真正進入了冷凍電鏡技術的世界。「之前在北大完全沒有接觸過電鏡,正是因為電鏡三維重構技術的從二維的照片還原計算三維的分子結構的這一神奇過程吸引了我。」
  • 圖文並茂講解不同的蛋白質結構
    2010 年第 25 題 生物化學 A 型題下列選項中,屬於蛋白質三級結構的是A.
  • AI精準預測蛋白質結構,結構生物學何去何從?|返樸
    Journal of MolecularBiology論文用比較建模方法預測蛋白質結構的51年來的真正突破。最終,谷歌旗下DeepMind公司的人工智慧系統AlphaFold2在2018年的Alphafold基礎上迭代創新,超常發揮,一枝獨秀,基本解決了「從胺基酸序列預測蛋白質結構」這個困擾人類50年的生物學第二遺傳密碼問題。
  • AlphaFold成功預測蛋白質結構
    Moult在1994年聯合創辦了CASP,為的是提高準確預測蛋白質結構的計算方法。「從某種程度上說,問題解決了。」能根據胺基酸序列準確預測蛋白質結構,將為生命科學和醫藥領域帶來巨大好處。這將極大地增進我們對細胞基本構成的理解,讓藥物發現加速升級。AlphaFold在上一屆的CASP上摘得頭魁——2018年,總部位於倫敦的DeepMind首次參賽。
  • 「阿爾法摺疊」精準預測蛋白質三維結構
    人體擁有成千上萬種不同的蛋白質,每一種蛋白質都包含幾十到幾百種胺基酸,這些胺基酸的順序決定了它們之間的作用,賦予蛋白質複雜的三維形狀,進而決定了蛋白質的功能。了解這些三維形狀有助於研究人員設計出能在蛋白質縫隙內滯留的藥物。此外,合成出擁有所需結構的蛋白質,還可以加快酶的研製進程,讓生物燃料領域受益。
  • 蛋白質結構分析系列(二)
    蛋白質結構分析系列(二):同源建模寫在前面的一直在反覆思考,是否要把同源建模放在第二次推文裡面寫。
  • 蛋白質的結構與功能
    (primary structure)定義:蛋白質的一級結構指在蛋白質分子從N-端至C-端的胺基酸排列順序。理解:一級結構是蛋白質空間構象和特異生物學功能的基礎,但不是決定蛋白質空間構象的唯一因素。例子:牛胰島素是第一個被測定一級結構的蛋白質分子,由英國化學家Frederick Sanger於1953年完成。
  • 攻克生物學難題,「阿爾法摺疊」精準預測蛋白質三維結構
    了解這些三維形狀有助於研究人員設計出能在蛋白質縫隙內滯留的藥物。此外,合成出擁有所需結構的蛋白質,還可以加快酶的研製進程,讓生物燃料領域受益。幾十年來,研究人員利用X射線晶體學或低溫電子顯微鏡(cryo-EM)等實驗技術來破譯蛋白質的三維結構,但這種方法可能需要數月甚至數年,且未必見效。目前,在生命體內發現的2億多個蛋白質中,只有17萬個蛋白質的結構被破解。
  • 2.蛋白質的結構
    ①胺基酸百分組成、排列順序不同而組成多種多樣的蛋白質,並具有不同的生物學功能;②許多先天性疾病是由於某一重要蛋白一級結構改變而引起;③蛋白質一級結構中胺基酸排列順序是由遺傳密碼所決定,胺基酸排列順序的改變可能是鹼基順序改變所致;④一級結構是蛋白質空間構象和特異生物學功能的基礎,但不是決定蛋白質空間構象的唯一因素。