我们已经更新了隐私政策为了更清楚地说明我们如何使用您的个人资料。

我们使用cookie为您提供更好的体验。你可参阅我们的饼干的政策在这里。

广告

蛋白质组学的进化- Ruedi Aebersold教授


想要这篇文章的免费PDF版本?

填写下面的表格,我们会将PDF版本的蛋白质组学的进化- Ruedi Aebersold教授

188金宝搏备用科技网络有限公司需要您提供给我们的联系信息,以便就我们的产品和服务与您联系。您可以随时退订这些通讯。有关如何退订的信息,以及我们的隐私惯例和保护您隐私的承诺,请查看我们的隐私政策

阅读时间:

Ruedi Aebersold教授是一名系统生物学教授分子系统生物学研究所(IMSB)他被认为是蛋白质组学研究的先驱之一。

Aebersold为靶向蛋白质组学技术的发展做出了重大贡献,包括选择性反应监测(SRM)和数据独立采集。他也是定量质谱(MS)中使用的同位素编码亲和标记(ICAT)试剂的发明者之一。

Aebersold在定量蛋白质组学方面的研究帮助我们了解蛋白质在正常和患病状态下的功能、相互作用和定位。Aebersold实验室利用高通量蛋白质组学和计算方法,如无标签鸟枪蛋白质组学,精确测量复杂样品中的蛋白质分析物。通过创建“快照”档案,研究小组能够确定哪些细胞含有异常水平的特定蛋白质,并希望通过这样做开发新的疾病诊断标记。

莫莉·坎贝尔(MC):在你看来,蛋白质组学自诞生以来最令人兴奋的突破是什么?

Ruedi Aebersold (RA):
我们研究基于ms的蛋白质组学。对我来说,这项技术最吸引人的地方在于它的多功能性。本质上,相同的液相色谱质谱(LC-MS/MS)技术和仪器可以用来探索蛋白质的许多不同的生物学重要性质,如果应用一些额外的技巧。这些特性当然包括蛋白质的氨基酸序列和丰度,但也包括它们的半衰期、修饰状态、在细胞中的定位、它们参与复合物以及相互作用蛋白质的精确接触位点。

近年来,利用氢氘交换(HDX)、交联、相关谱、质谱、热谱、有限蛋白水解(LiP)等技术研究蛋白质和蛋白质配合物的高阶结构及其变化已成为一种明显的趋势。通过这些方法获得的信息通常是非常有趣的,并直接与功能相关。

MC:您目前在定量蛋白质组学方面的研究旨在比较样本之间的蛋白质表达水平。你能告诉我们更多关于你最近发表的在不同类型的癌症中进行蛋白质组学分析以发现新的生物标志物的工作吗

类风湿性关节炎:
从1999年ICAT技术的发展开始,我们已经在样本之间进行了20年的定量比较。通过这项工作,我们获得了很多关于细胞和组织对不同条件的反应的见解。例如,博士生Ralph Schiess发现了一组血浆生物标记物,可以根据诊断和治疗方案对前列腺癌进行分层。然后他成立了一家公司,ProteoMediX该公司正在将这种标记面板引入临床。我们还获得了许多关于特定生物过程的见解,包括磷酸化对它们的调节。随着技术的发展,我们可以更深入地测量蛋白质组,我们最终了解到,细胞对任何扰动的反应都是非常复杂的,通常涉及数百种蛋白质。


这种情况产生了一个非常具有挑战性的问题,因为不清楚生物学家如何理解所产生的模式,以及在许多观察中应该优先考虑通常所说的“生物学验证”。为了克服这个本质上难以解决的问题,我们决定开发质谱技术,使我们能够定量比较大量的样本(数百到数千),这样我们就可以使用聚类、机器学习、统计关联或回归等数学方法,以数据驱动的方式发现表明细胞生化变化的模式,而不是通过先验的生物学知识。基于这些见解,出现了高通量定位技术和评分软件,最初是SRM和类似的工具mProphet过了一会儿片/ DIA技术还有工具openSWATH

我们对这些技术感到非常兴奋,因为它们为细胞和组织的内部工作提供了引人入胜的见解,并为基于人群的研究打开了大门,例如通过使用像BXD小鼠面板这样的遗传参考面板。通过在这些小组中进行多层测量,我们试图结合基因组和蛋白质组学数据,以了解细胞如何将基因组可变性转化为蛋白质组学,并最终转化为表型可变性。同样的方法对于临床研究也非常有效,在临床研究中,即使在嘈杂的临床样本背景中,对大量重复的测量也使我们能够检测到临床显著信号。

MC:数据整合在蛋白质组学研究中有多重要?计算蛋白质组学的进步如何帮助数据存储和传播?

类风湿性关节炎:
这是两个完全不同的问题。第二个是关于数据管理,第一个是关于将数据的生物学意义与其他类型的生物数据联系起来。

数据管理,包括存储、传播和处理带来了重大的财务和技术挑战,因为随着仪器仪表的进步,数据量也急剧增加。一个单一的研究,例如上文提到的基于人口的研究,产生tb级的数据是很常见的,这对于许多群体来说是很难处理的。幸运的是,基于云的系统正在变得可用,我还想强调这一点骄傲而且蛋白质交换联盟他们在收集和归档支持已发表工作的数据方面做了出色的工作,并使数据的汇总返回社区,例如,支持元分析。

第一个问题的解决更具挑战性,因为在我看来,目前尚不清楚从相同的生物对象(例如培养细胞或临床组织标本)生成的不同数据类型如何最好地集成。有相当直接的方法,如数据类型的相关性(通常是转录本与蛋白质丰度),但从这些分析中获得的知识是有限的。在这个领域有一个有趣的讨论,与考虑到生物过程的大量积累知识的方法相比,严格的数据驱动的方法,如机器学习,在发现生物系统属性方面的潜力是否相同,更高或更低。就我个人而言,我得出的结论是,为了理解我们正在研究的进化生物系统,先验的生物学知识是非常有用的,可能是必不可少的。

MC:您参与了几种蛋白质组学技术的开发工作。研究人员在蛋白质组学研究中面临哪些技术挑战?

类风湿性关节炎:
长期以来,基于质谱的蛋白质组学分析在各个层面上都有很高的技术要求,包括样品处理、分离科学、质谱和有关肽和蛋白质序列、丰度和修饰状态的光谱分析以及错误发现率(FDR)的考虑。我认为我们正处于,或正在接近一个令人兴奋的状态,这些挑战即使没有完全解决,也已经相当好地解决了。当我们到达那里,我们将能够更强烈地专注于创造有趣的新的生物学或临床研究问题和实验设计,并解决上面讨论的高度吸引人的问题,我们如何从现有数据中最好地产生新的生物学知识。就我个人而言,我相信,如果我们在大量重复中生成高质量、高可重复性的数据,我们将在这方面取得最大的成功,似乎蛋白质组学基本上已经达到了这一点。

司仪:你最近的一次采用多组学方法在实验室中探索HeLA细胞的异质性。在这种情况下,为什么多组学方法比其他技术更有优势,您的发现对该领域有多重要?

类风湿性关节炎:我们进行这项研究有两个原因。首先,我们希望对生命科学研究结果的可重复性的讨论做出基于事实的贡献,其次,我们希望生成一个目前独特的多层数据集,以探索基因组变异性如何沿中心法则影响基因表达的不同层。

关于第一个问题,我们发现在不同的实验室中用于实验的HeLa细胞在分子组成上有显著的不同,这种不同的分子组成使细胞在表型上有所不同。我们还发现,在同一个实验室培养的细胞会随着时间的推移而变化。这些现象是基因组漂移的结果。结合我们和其他人在过去几年进行的一些社区基准研究的结果,评估基于ms的蛋白质组学方法各个方面的技术可重复性,我们现在得出结论,蛋白质组学已经达到了技术(和计算)可重复性非常高的状态。因此,任何可能观察到的结果再现性差的问题都可能源于生物系统的复杂性。

关于第二个问题,我们发现每个测量层的定量结果,即细胞对基因组改变的反应方式和程度(类似于癌细胞的情况),在某种程度上与基因表达的路径相关,但不足以使一层预测另一层。我们还发现,特定基因位点对拷贝数变化的反应在蛋白质复合物水平上显著缓冲。由于基因座的高倍性而合成的过量蛋白质如果不能与预期的复杂伙伴结合,则倾向于降解。这种机制有助于在模块化蛋白质组水平上的蛋白质稳态。

MC:系统生物学正在以惊人的速度发展。您在这个领域工作了几十年,您对蛋白质组学的未来有什么展望?

类风湿性关节炎:
我设想蛋白质组学在系统生物学中的重要性将大大增加,主要有两个原因,这两个原因都已在上面讨论过。首先,蛋白质组学已经达到了一个成熟的水平,可以相对轻松地以中等成本生成大型和高质量的数据集。在基因组学领域,我们已经见证了强大和可获得的高通量技术正在强烈地改变生命科学。第二个原因是,现在可以生成的不同类型的蛋白质组学数据包含了我们还没有学会如何完全理解的丰富信息。简而言之,生物学和医学本质上是关于功能和表型的,而这些在很大程度上是由蛋白质组的组成和模块化组织决定的,我们用蛋白质型来描述这种状态。


Ruedi Aebersold接受了科技网络科学作家Molly Campbell的采访188金宝搏备用

与作者见面
莫莉坎贝尔
莫莉坎贝尔
高级科学作家
广告
Baidu