探索蛋白质组与工程纳米颗粒

本文包含有待同行评审的研究成果。因此被视为初步结果,应该解释为这样的。了解同行评审过程的作用研究在这里。为进一步的信息,请联系引用源。

分析血浆蛋白质组可以提供详细的见解的健康个体,以及使一系列疾病的早期检测。然而,深,公正的血浆蛋白质组学目前规模已被证明是具有挑战性的。

在一个纸最近发表在PNAS,先见科学家证明一个新的工作流基于工程纳米颗粒(NPs)可以促进深大规模蛋白质组学研究。NPs了解更多,他们的发展以及他们如何与传统等离子体分析技术,我们采访了论文的作者之一,博士。丹尼尔Hornburg。在这次采访中,丹尼尔还讨论了NPs如何可以帮助之间的桥梁蛋白质组学和基因组学和变换癌症诊断。

安娜·麦克唐纳(AM):为什么深审讯的血浆蛋白挑战呢?

丹尼尔Hornburg (DH):血浆蛋白质组有一个很大的动态范围超过10个数量级的差别最丰富的蛋白质,如白蛋白,和那些稀缺的,但可能感兴趣的疾病,如细胞因子。大多数蛋白质组学技术没有做好完整的访问一个可伸缩的方式。一些解决方案是可伸缩的,但只有目标预先确定的蛋白质来确认自己的存在,和同样是有偏见的,你已经知道什么疾病,其他人只捕获的信号蛋白质丰度就越高。

其他解决方案深无偏蛋白质组学从根本上不是可伸缩、费时和繁琐的(如色谱质谱结合蛋白质,损耗,和分馏方法)。尽管他们是公正的,这些方法不规模更大的样本量和最大的研究到目前为止使用这些方法只覆盖大约40个样本。

但现在Seer改变这种格局Proteograph产品套件,让研究人员快速查询成千上万的样品以公正的方式。例如,从141年样本非小细胞肺癌(NSCLC),并添加一个额外的样本集的阿尔茨海默氏症研究的200个样本,我们从识别2500 - 3400蛋白质组。

采取一种公正的方法来研究蛋白质组的氨基酸和肽水平分辨率意味着我们已经不仅限于针对特定蛋白质与疾病类型或验证已知的生物学表型。与先知的技术,研究人员可以发现新的蛋白质签名,蛋白质变异和转译后的修改定量改变在健康和疾病。

问:是什么让你开发一个nanoparticle-based方法解决这个挑战?

DH:我们的创始人,博士Omid Farokhzad纳米颗粒研究工作了20年,他的工作(以及许多其他科学家的工作领域)导致发展我们的专有NPs。我们的专有设计NPs拥有令人难以置信的可再生的约束力的亲和力。通过利用这些NPs的特定物理化学性质,可以针对不同种类的生物分子精确,重复性良好。从这个想法来使用这个功能来实现无偏,深大规模蛋白质组学。

问:你能告诉我们更多关于先知的吗工程NPs吗?与传统等离子体分析工作流相比如何?

DH:在设计我们的专有设计NPs, we是利用固有的,可再生的蛋白质通过物理化学性质在自然交互方式,执行深度采样的蛋白质组是一致的在运行时,运营商和天。

蛋白质的蛋白质抽样和绑定到NP表面是由三个主要因素:

我。 一个给定的相对亲和力为给定的NP蛋白表面

二世。给定样品中蛋白质的浓度

三世。亲和力的蛋白质为其它蛋白质表面的NP(蛋白质-蛋白质之间的关系)

我们可以使用各种各样的专有方法和材料设计和创建不同的NPs。我们已经表明,我们的解决方案可以非常精确的量化说明了低CV %结合深层采样的蛋白质组相比其他深无偏的方法。这解决了访问的技术瓶颈跨大动态范围的血浆蛋白质组学信息相同的蛋白质组,重现性和规模,可以访问基因组或转录组。

问:在最近PNAS研究之间的关系,的物理化学性质先见NPs和蛋白质抽样检查的模式。你能给我们概述该研究的主要发现和他们的意义吗?

DH:工程NPs专有的面板,我们演示一个数量级增长平均深度报道,2 x更高的精度,2.5 x蛋白识别和显著改进吞吐量相比,传统的工作流。启用此性能优越的可再生的和定量的动态范围压缩,使肽和蛋白质变异信息更易于下游探测器独立于质/收购模式。 女士

使用机器学习,我们解剖成为可以工程化的东西的分量物理化学性质的专有NPs导致蛋白质的形成和构成电晕。我们确定专有纳米粒子的物理化学性质之间的相关性和特定蛋白质的丰度和功能与它们进行交互。这种structure-binding关系将逐步提高我们的设计能力自营NPs精确和合理的活动审问蛋白质变异在不同的家庭,进一步加强专有NPs在大规模的应用组学研究和生物标志物的发现。 

问:如何使用NPs可复制的结果是?

DH:因为我们专有的属性NPs定义在一个精确控制的工程过程几十年的经验采用NPs驱动在药物输送等医学应用在人类身上,高度可再生的约束力的亲和力在我们的一个关键性能特征的小说吗蛋白质组学分析。

问:这种技术如何变换诊断,尤其是早期癌症检测吗?

DH:癌症诊断等离子体和其他blood-based样品有前途的,因为他们可以定期与微创方法获得,而另一种侵入性检查方法,但血浆蛋白质组分析历来是困难的。

我们最近开发了一种plasma-based生物标志物发现平台使用一个无偏proteogenomic方法和分析早期非小细胞肺癌癌症样本和健康对照组解剖差异蛋白质单个基因变异引起的。Proteograph技术,我们能够确定肺部癌症相关的蛋白质变异。

在我们最近的预印,我们表明,peptide-centric分析识别病有关proteoforms利用蛋白质水平信息就不会被发现。本研究进一步表明,肽水平分辨率使我们能够推断出数百proteoforms在我们的数据,其中一些是与非小细胞肺癌相关显著,特别是包括BMP-1。

问:这个技术影响其他应用程序可以什么?

DH:通过启用无偏和可伸缩的访问深度蛋白质组,我们期待Seer技术帮助早期发现疾病,治疗更有效,比以往更快的开发出有针对性的治疗。

俄勒冈健康科学大学等研究机构已经完成有前途的试点研究前列腺癌,t他广泛的心血管疾病的模型心脏病模型和早期检测蛋白质的过程。

今天,血浆蛋白质组学和基因组学在很大程度上是截然不同的字段和大规模很少重叠。 缺失的环节真正使proteogenomics已经大规模访问蛋白质组学内容在氨基酸和肽分辨率水平类似规模的匹配当前大规模进入基因组核苷酸决议内容。  

Proteograph将桥之间的差距,蛋白质组学和基因组学,加快proteogenomics的影响,以及更好的基因型,表现型联系。有多个大规模研究在早期阶段使用我们的技术,包括:

·multi-omics研究进行跨多个癌症看疾病生物标志物在一群超过2000个样本

·衰老的一项研究中,超过1500个样本

问:下一步,你有什么进一步的研究计划吗?

DH:一个大道最近研究是模型和优化nanoparticle-based蛋白质组学的特别的性能调优的竞争格局,因此,虽然效果。

蛋白质-蛋白质之间的关系可能会影响蛋白质丰富的函数主要protein-NP交互。这些依赖项可以进一步探索扩大NPs的数量和在较大的数据集的细节特征来进一步的蛋白质组学的见解。

最近的工作等蛋白质结构和表面性质预测分子表面交互指纹和AlphaFold也提出了一个有趣的机会识别和理解蛋白质理化性质驱动特定nano-bio交互。

丹尼尔Hornburg安娜·麦克唐纳说,科学技术网络作家。188金宝搏备用

丹尼尔Hornburg博士在研究和技术开发高级主管预言家,他领导一个跨职能团队开发和采用革命性的解决方案multi-omics研究生物信息学的交叉,质谱和纳米技术。丹尼尔与马蒂亚斯•曼博士学位在马克斯普朗克研究所的生物化学研究蛋白质组扰动与神经退行性疾病。他继续读博士后与菲利克斯•迈斯纳曼的实验室工作,在计算immunoproteomics调查免疫细胞和病原体的通信网络主机。后来他加入了迈克·斯奈德的斯坦福大学实验室工作质量spectrometry-based multi-omics(蛋白质、脂类和代谢物)开发和集成分析和计算策略来审问动态multi-omics景观在健康和疾病。