我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

蛋白质组学的发展——Evangelia Petsalaki博士

蛋白质组学的发展——博士Evangelia Petsalaki内容块的形象

希望这篇文章的一个免费的PDF版本吗?

完成下面的表格,我们将电子邮件您的PDF版本“蛋白质组学的发展——Evangelia Petsalaki博士”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

Evangelia Petsalaki博士一个组长吗欧洲生物信息学集团,她的研究团队研究人类健康和疾病中细胞信号传导等条件。

Petsalaki集团运用跨学科的方法,包括数据驱动网络推理,建模的细胞过程和数据集成来理解不同的环境或遗传条件如何影响细胞信号反应导致不同的细胞表型。他们的目的是让两个预测模型和条件,这样他们就可以预见在生物网络在不同条件下会发生什么。

研究小组还与实验团队协作,专注于质谱分析(MS),成像和细胞生物学来增强他们的数据集和验证模型。这样的模型被用来帮助研究人员回答特定的生物学问题,如干细胞“决定”他们将成为什么类型的细胞,是细胞信号在细胞形状和迁移的影响(即在“是”组织或器官)。

莫莉·坎贝尔(MC):你认为被以来最激动人心的突破在蛋白质组学研究领域的概念吗?

Evangelia Petsalaki (EP):蛋白质组学在过去十年一直驰骋在所有方面。我不认为有一个最重要的突破。相反,整个领域已经开发技术和方法,允许前所未有的观点到细胞的蛋白质组,从一个非常大的条件和样本类型的数组,从细胞,患者样本,介于两者之间的。如果我必须选择一个,片技术开发的Aebersold集团瑞士苏黎世联邦理工学院的分子系统生物学研究所的,真正提供完整深入定量蛋白质组。

然而,我最兴奋的技术是不能被称为一个突破,但是我希望它在未来是革命性的。我说的是工作从Swaminathan et al,去年发表在自然生物技术马克特集团德克萨斯大学奥斯汀分校。使用埃德曼降解,他们能够识别蛋白质蛋白质混合物。之前他们仍然有很多问题要克服这个技术工作的规模,蛋白质溶解产物和负担得起的。但是当这是实现,我们正在寻找在蛋白质组学的一场革命,在准确、全面的蛋白质组和各自phosphoproteomes(和其他帖子平移修改)可以有效地测量,类似于基因组、转录组、表观基因组现在测量。

主持人:你的研究小组的研究,目的是了解人类细胞信号控制不同的细胞反应。为什么它是有用的从一个组学方法研究这一领域,特别是关注phosphoproteomics和蛋白质组学吗?

EP:
细胞信号代表的过程集定义一个细胞将如何应对扰动的环境从其他细胞或消息。这些过程是至关重要的细胞和放松管制会导致许多疾病,包括癌症,实际上很大程度上疾病信号。因为他们的重要性研究了多年。我们的大多数知识来自非常详细研究很久以前,信号通路被发现和注释。

“高通量”时代开始以来我们取得了一些添加这些途径,但我们仍严重依赖这些最初的注释。当他们提供了惊人的贡献和知识领域,有两个问题:第一个是,他们代表了“平均”途径,然而,细胞对不同条件下的反应不同,即使他们激活相似的“通路”。因此,假设路径总是有一个特定的结构无论细胞类型或条件,则是将事情过于简单化了。“组学”的方法可以帮助我们适应这些通路的观测数据和调整,和更好的是,使用数据驱动的方法来提取它们直接从数据。

第二个问题是,这些通路被发现非常小的和详细的研究;它们覆盖一个很小的空间实际的细胞信号网络。“组学”数据打开门探索这个空间。作为细胞信号传播主要是通过继电器的磷酸化的蛋白质,蛋白质组学和phosphoproteomics特别代表的实际信号状态细胞的时候测量。他们因此理想类型的“组学”数据来研究这种类型的过程。

主持人:作为一个计算实验室,你用什么方法来解释phosphoproteomics数据?

EP:首先,我们的目标是使用数据驱动的方法。这意味着使用统计方法从数据中提取模式没有限制已经知道什么系统。这样做的原因是,大多数的知识积累在细胞信号在很少数研究激酶和途径。如果你认为细胞的欧洲,我们只有有限的地图为葡萄牙和一点西班牙和欧洲其他国家是未知的。目前,大多数研究尝试一点外出绘制地图,但仍然非常接近的领土。

由于我们收集数据从整个单元(即整个欧洲的快照),如果我们只限制我们的研究在之前所知的信息,那么我们就忽略整个世界潜在的新发现。另一组的焦点是整合phosphoproteomics数据与其他“组学”的数据集,可以在其他层的细胞调控提供信息。回到地图类比,想象它像欧洲的不同类型的图片,包括道路、山脉等。将不同类型的信息可以给我们一个更完整的细胞是如何工作的。

主持人:你遇到什么挑战在处理蛋白质组数据?如何克服这些挑战?

EP:主要的两个挑战是非常稀疏的数据,我们很难测量低丰度蛋白质。每次我们量一量,我们样品的不同部分,我们通常缺少低丰度法蛋白质组或组织磷酸化蛋白质组球员往往是最重要的,如转录因子。

在我组,缓解这一问题的一个方法是映射确定多肽蛋白质相互作用网络和散射信号网络。这减少了噪音从不合逻辑地识别出蛋白质和增强功能的信号。它还允许我们观察区域的网络所反映出的不同的数据集和比较和研究这些,而不是试图比较彼此之间的稀疏数据集。

然而,与女士的进步技术发达世界各地的许多公司和组织,包括大学的曼恩集团Copehnagen, Aebersold和其他新兴技术承诺允许“排序”蛋白质组,类似于基因组,马克特集团和他的同事们开发的,我认为这些问题不会很久。



点击在这里阅读上周的采访教授Ruedi Aebersold。



主持人:你最近发表了一篇题为“变构调节替代包装结合特异性的蛋白核”。你的研究小组指出,研究结果可以用来工程师小说功能的蛋白质。请您能扩大吗?


EP:这是一个项目完成我博士后期间在多伦多和铅Dev Sidhu在多伦多大学的唐纳利中心。他是一个巫师在蛋白质工程和所做的非常重要的工作。在本文中,我们表明,修改氨基酸残基的核心蛋白质构象的灵活性提供蛋白质,导致它能够识别特定的配体的变化,甚至对这些配体结合位点。

这对其功能和效果直接影响细胞的功能。我不是一个蛋白质工程专家,但据我所知一般来说,修改表面的蛋白质被用来调节其不同的配体结合的能力。我们的发现表明,修改的核心,可以提供结构的灵活性,因此更多的选择作为一个起点工程特定的绑定属性。通过理解的影响蛋白质核心对蛋白质表面的变化和它的绑定属性我们可以工程师蛋白质增加或修改功能。

MC:进步你希望看到在未来10年计算组学研究?

EP:
我认为尽管进步与数据生成、分析和集成方法,一种方法或一组方法真正整合这些数据并生成可测试的假设来推进我们的知识的边界仍然是难以捉摸的。

我兴奋的努力创建完整的细胞模型,发生在世界各地的不同的群体,如秘密卡尔组,在斯坦福大学,西奈山医学院分别在日本和其他,我们现在也加入了这一努力。

我认为真正的数据集成工作结合细胞功能的可执行模型将提供突破我们理解细胞是如何工作的,什么是错的疾病,为什么不同的人类细胞(相同的人类不同的细胞类型,或相同的细胞类型和不同的人类)对药物的反应不同,和许多其他重要的问题在生物学和医学。

Evangelia Petsalaki与莫莉坎贝尔说,科普作家、技术网络。188金宝搏备用
满足作者
莫莉坎贝尔
莫莉坎贝尔
高级科学作家
广告
Baidu