100個物種的蛋白質全景圖,高通量蛋白組技術最新力作!

2020-12-02 騰訊網

景傑學術| 報導

蛋白質是生命功能的執行者，但由於技術的局限性，人們對蛋白質圖譜的理解還遠遠不足。隨著質譜技術的發展，人們已經完成了多個物種（包括人類）的蛋白質組圖譜分析。然而，在跨物種的蛋白質組比較分析方面仍然缺少系統性的研究。

2020年6月17日，國際著名蛋白質組學家、馬克斯普朗克生物化學研究所所長Matthias Mann教授團隊在國際著名期刊Nature發表題為「The proteome landscape of the kingdoms of life」的文章。文章中，研究人員使用先進的蛋白質組學工作流程深入研究100個不同類別的生物體，以標準化的方式獲得了200萬個肽和34萬個蛋白質的鑑定，為生命科學以及基於序列的機器學習提供了一個大規模的研究案例。

文章速讀

1、 跨生命樹蛋白質組學工作流程圖

為了在生命樹中收集各類具有代表性的生物，研究人員考慮了組裝基因組序列的可用性和培養或組織材料的可及性等因素，選擇了包括19個古生菌，49個細菌和32個真核生物——總共100個不同的物種（樣本策略）進行後續的蛋白組學研究。研究人員將最新的技術納入了高解析度、高通量的蛋白質組學工作流程（質譜策略）。該流程採用晶片形式的小型、高效的UHPLC裝置進行分離。在該裝置中，C18覆蓋的珠子被均勻有序、靜態固定的微米大小的柱狀結構取代，顯著提升了肽段保留時間的變異係數和實驗的重現性。

2、 應用深度學習模型預測肽段保留時間

深度學習的算法為質譜數據的匹配搜庫提供了新的思路和應用，而這項關於100個物種、超過200萬個肽段的大規模分析非常適合於發展深度學習算法。作者開發了一個long short-term memory(LSTM)的深度學習模型來準確預測色譜保留時間,並實現皮爾遜相關性0.990。為了驗證該模型的可靠性，研究人員應用質譜儀對均變桿菌、巨大芽孢桿菌或產氣腸桿菌三個未知蛋白組的物種進行分析，結果顯示其能夠符合絕大多數（約88%）的蛋白質組數據，表明這個算法是成功和準確的。

3、蛋白質組學數據全局分析

與基因組學和轉錄組學不同，蛋白質組數據可以直接估計基因表達的最終產物。接下來，研究人人員進一步探究蛋白質在不同生物體內是如何分布的。跨物種分析中，作者專門挑選了高豐度的蛋白進行分析（因為這些蛋白功能較為保守和基礎），其中真核生物有1546個蛋白質，細菌中有306個，古菌中有262個。隨後，研究人員把相應蛋白質和肽段信息同各種數據源的數據相關聯，產生一個多於800萬個節點的網絡結構圖和多於5380萬的作用關係。進一步的分析發現，某些種類的蛋白質只在特定的生命分支中佔優勢，比如與光合作用相關的蛋白質只存在於光合自養生物體中，如植物、藻類、原生動物或藍藻細菌(100個生物體中的13個)。

通過對生命分類學的取樣，研究人員創建了一套高覆蓋率蛋白質組質譜數據。非標（label-free）定量使我們能夠推斷出共同的和專門的生物功能，並將它們與所有分類層次的近親和遠親進行比較。蛋白組與基因組、代謝組和其他數據的整合，以及將機器學習方法納入特定物種庫，將把系統生物學的視角從模式生物體擴展到整個生命樹。

此項研究結果為整個進化範圍內生物的功能組織研究提供了一個重要的信息。在所有檢測到的蛋白質中，有38.4%的蛋白是沒有功能注釋的，其中還包括不少高豐度的蛋白。發現這些「dark proteome」的功能，將是非常吸引人的新研究方向。此外，蛋白質修飾也是蛋白質組的重要層面，本文中雖然沒有對修飾進行特殊富集，但仍然嘗試從有限信息中進行搜索和展示了部分的修飾位點。未來通過富集的手段進行更大規模的修飾組分析，將是全蛋白質組圖譜研究的另一個重要方向。

參考文獻：

1、Johannes B. Müller,et al.,2020,The proteome landscape of the kingdoms of life.Nature.

2020.03：Cell重磅！組織特異性的蛋白質氧化還原修飾，或將提供衰老研究新思路

2020.02：2020開年紅！Cell | 貝勒醫學院章冰/西北太平洋國家實驗室劉濤等解析子宮內膜癌蛋白質組學圖譜

2020.01：癌症研究新篇章，Cell | 高深度蛋白質組學補全「癌細胞系百科全書」

相關焦點

  • 生物樣品中蛋白定量的革命性方法:靶向蛋白質組技術
    答案是肯定的, 這種方法就是我們要介紹的蛋白質組技術。按照實驗目的可以將蛋白質組技術分為兩大類：高通量蛋白質組學和靶向蛋白質組學，分別用於前期的差異蛋白篩選以及後續的目標蛋白驗證。例如針對臨床Biomarker的篩選，通常是首先應從有限數目的臨床樣本中使用高通量的方法篩選出差異的目標蛋白，然後使用靶向蛋白組技術針對目標蛋白進行擴大樣本的驗證，如下圖1：
  • timsTOF Pro最新4D高通量超高靈敏度蛋白組學研究技術
    近日在第15屆美國人類蛋白質組學年會上，布魯克宣布了Evosep One低流速色譜與timsTOF Pro液質聯用系統在高靈敏度、高通量血漿蛋白質組學方面取得的進展。
  • SWATH採集技術在蛋白質組學中的應用
    蛋白組學是SWATH應用最廣泛和深入的領域。因為SWATH在蛋白組學中的重大貢獻，兩位技術研究者StephenTate 和Ron Bonner在第16界人類蛋白質組世界大會上(HUPO2017)獲得了科學與技術獎。並且2018年SWATH被評為Nature最關注技術。
  • Matthias Mann:快速高深度DIA蛋白組學全面表徵酵母蛋白質組
    釀酒酵母是功能強大的模型物種，可用於系統性的生物學篩選和大規模蛋白質組學方法開發。隨著質譜技術的進步，酵母的全蛋白質組覆蓋幾乎完成。然而，對酵母蛋白質組進行快速高通量分析仍然具有挑戰性。利用此技術既可以全面表徵酵母蛋白質組響應環境擾動的變化，又可以精確識別單個缺失或點突變對整個蛋白質組的影響。
  • 聚焦農業,關注前沿--首屆「功能蛋白質組學前沿技術與農業產業發展...
    本次會議主要討論功能蛋白質組學在農業方面的最新進展和突破，探討農業功能蛋白質組學研究現狀、應用前景和發展路徑，促進蛋白質組學這一最新技術在農業領域中的應用。夏教授表示，我國養蠶業是一門非常古老的農業技術，然而在科研方面一直較為欠缺。夏教授及團隊完成了家蠶基因組測序工作，並且通過對家蠶和野蠶基因組的比較，發現了三百多個「馴化基因」。繼基因組研究之後，夏教授的團隊還利用了質譜及蛋白質組學的相關技術，研究了關於家蠶各種性狀的蛋白。在產業轉化方面，夏教授還應用了基因編輯技術，改變蠶絲的機械性能，使其利於吸水，使其在生活中更加利於應用。
  • 我國科學家首次揭示新冠肺炎患者蛋白質分子病理全景圖
    （記者晉浩天）西湖大學生命科學學院郭天南課題組與華中科技大學同濟醫學院附屬協和醫院胡豫、夏家紅、聶秀團隊日前在《細胞》在線發表了題為《新冠肺炎死亡患者多器官蛋白質組全景圖》的最新研究論文，指示了2020年年初因新冠肺炎去世的患者體內多器官組織樣本中蛋白質分子病理全景圖
  • 中國科學家首次揭示新冠患者蛋白質分子病理全景圖
    原標題：中國科學家首次揭示新冠患者蛋白質分子病理全景圖記者1月11日從西湖大學了解到，該校生命科學學院特聘研究員郭天南帶領的課題組與合作團隊在《細胞》期刊在線發表最新研究論文，報告了新冠肺炎病亡患者體內多器官組織樣本中蛋白質分子病理全景圖。
  • 布魯克:基於捕集型離子淌度質譜的4D-蛋白質組學
    4D-蛋白質組學技術提高蛋白和多肽覆蓋深度基於質譜技術的蛋白質組學研究方法在生命科學研究的各個領域都取得了傲人的成果，但由於蛋白質組學樣本的自身複雜性（蛋白豐度的動態範圍> 106）和目前質譜儀採集速度和靈敏度的局限性，低豐度蛋白鑑定異常困難，這讓深度覆蓋蛋白組學面臨著巨大的挑戰，提高蛋白質組學覆蓋深度一直是科研工作者努力的方向之一
  • 「鳥槍法(shotgun)」定量蛋白質組學技術介紹
    差異蛋白質的定量研究是基於肽段水平而非完整的蛋白質，成為該技術最大的技術特色，該技術實現了樣品分離與鑑定直接聯合，完全自動化操作，可以用於各種蛋白質混合物的蛋白質組學分析，如血清、組織、各種體液以及尿液等。　　技術路線：　　鳥槍法為基因組測序，是先將基因組打斷，分段測序， 然後利用計算機重組在一起。從而確定一段的基因序列。
  • Cell重磅:西湖大學首次揭示新冠患者蛋白質分子病理全景圖
    ，報導了2020年初因新冠肺炎去世的患者體內多器官組織樣本中蛋白質分子病理全景圖。基於高壓循環技術（PCT）及TMT標記結合鳥槍法蛋白質組技術的質譜數據採樣以及組學數據分析，研究團隊鑑定了11394個人源蛋白質分子，繪製出新冠危重症死亡患者的多器官蛋白分子全景圖（圖2）。與非新冠患者的對照組織樣本比較，5336個蛋白質發生了改變（圖3）。
  • 乾貨分享 | 普林斯頓教授談RNA與蛋白質互作高通量檢測技術
    本文作者描述了蛋白質組學和轉錄組學方法在開發和應用細胞RNA-蛋白質互作方面的最新研究進展，重點聚焦基於測序技術和RNA結合蛋白的蛋白質組學分析技術，以及闡釋RNA修飾在蛋白質-RNA結合事件中擔任的重要角色。
  • Cell西湖大學郭天南等首次揭示新冠患者蛋白質分子病理全景圖
    北京時間1月9日，西湖大學生命科學學院郭天南課題組與合作團隊（華中科技大學同濟醫學院附屬協和醫院胡豫、夏家紅、聶秀團隊）在Cell在線發表了題為「Multi-organ Proteomic Landscape of COVID-19 Autopsies」的最新研究論文，報導了2020年初因新冠肺炎去世的患者體內多器官組織樣本中蛋白質分子病理全景圖
  • 賽默飛:蛋白質組學技術在病毒感染致病機制的亮點研究
    基於此，儀器信息網推出了「組學技術在病毒感染致病機制中的亮點研究及技術進展」專題，為廣大業內專家及用戶介紹基於蛋白組學或代謝組學等多組學技術在病毒感染致病機制中的研究應用及技術進展，增強業界專家與儀器企業之間的信息交流，提供更豐富、更專業的技術文章，謹以此致敬所有奮戰在抗疫一線的白衣天使以及幕後深耕的研究學者。
  • 新冠患者蛋白質病理全景圖公布,5336個蛋白質發生改變
    ·新冠病毒·中國科學家首次揭示新冠患者蛋白質病理全景圖新冠肺炎死亡患者多器官蛋白分子病理全景圖。圖片來源：Nie et al.,Cell據一項發表於《細胞》的新研究，西湖大學的研究人員收集了19例新冠肺炎死亡患者的肺、脾、肝、心臟、腎臟、甲狀腺和睪丸等七種器官共144個組織樣本，發現在總共量化檢驗的11394個蛋白質中，5336個蛋白質發生了改變，並繪製了首張新冠肺炎死亡患者的多器官蛋白分子全景圖。在這些器官組織中，肝臟裡改變的蛋白數量最多（1970個），其受到的損傷可能比較大。很多肺部蛋白也發生了改變。
  • 我國科學家首次揭示新冠患者蛋白質分子病理全景圖
    記者1月11日從西湖大學了解到，該校生命科學學院郭天南課題組與合作團隊在《細胞》期刊在線發表最新研究論文，報導了新冠肺炎死亡患者體內多器官組織樣本中蛋白質分子病理全景圖。他們鑑定了11394個人源蛋白質分子，繪製出新冠肺炎死亡患者的多器官蛋白分子全景圖。「研究揭示，與非新冠患者的對照組織樣本比較，新冠肺炎死亡患者組織樣本中5336個蛋白質發生了改變。」 西湖大學生命科學學院特聘研究員郭天南表示。
  • 蛋白質組學技術在病毒研究中的應用
    儀器信息網訊 蛋白質組學是生命科學領域中的一門新興學科，可以高通量的分析正常及病理條件下機體、組織、細胞或亞細胞成分中全部蛋白質，對不同空間、不同時間上動態變化的蛋白質組的整體進行比較，分析不同蛋白質組之間在表達數量、表達水平和修飾狀態下的差異
  • IF:12.1跨實驗室比較基於DIA的蛋白質組學質譜工作流程穩定性潛力
    符合精準醫學研究需求的蛋白質組學數據需要提供儘可能多的蛋白質或蛋白質變體（proteoforms）的信息（包括在時間和空間上的變化），並且要滿足高通量的實驗需求。因此能否高通量並且穩定的提供蛋白質組學數據，就成為評價蛋白質組學實驗體系的金標準。
  • 西湖大學揭示新冠患者蛋白質分子病理全景圖
    北京時間1月9日，西湖大學生命科學學院特聘研究員郭天南帶領的課題組與合作團隊在《細胞》期刊在線發表最新研究論文，報告了新冠肺炎病亡患者體內多器官組織樣本中蛋白質分子病理全景圖。此項研究相當於他們將醫生在顯微鏡下看到的人體感染新冠病毒後細胞組織的變化放大了數萬倍，達到蛋白質分子層面，「看」清楚是哪些分子的改變導致人體器官的病變和衰竭。新冠逝者體內有5336個蛋白質分子發生改變大量臨床診療和研究顯示，新冠病人的肺部等器官產生了損傷。這些損傷背後的分子機制到底是什麼樣的？
  • 大化所高通量多重蛋白質組定量分析方法研究獲進展
    近日，中科院大連化學物理研究所王方軍博士、鄒漢法研究員等人在高通量多重蛋白質組定量分析方法研究方面取得新進展，發展了一級質譜（MS1）譜圖中六種不同蛋白質樣品同時規模化定量分析的同位素標記方法，並將該方法應用於細胞蛋白質合成-降解周轉更新分析，分析通量是常規同位素標記方法的三倍，研究成果發表在自然出版社新創立的綜合性刊物《科學報告》（Scientific Reports
  • 肺腺癌分子全景圖首次繪成
    近日，國際頂級學術刊物《細胞》發表由中國科學家完成的大規模臨床肺腺癌蛋白質組草圖的繪製工作，這是中國科學家首次揭示肺腺癌分子全景。　　研究團隊在國際上首次對肺腺癌開展了大規模、高通量、系統性的全景蛋白質組學研究。