蛋白质-配体相互作用对于理解关键生物学过程至关重要,目前已采用多种分析方法对其进行研究.其中,核磁共振(Nuclear magnetic resonance, NMR)波谱法是在原子水平上筛选蛋白质配体和表征蛋白质-配体结合的常用方法.本文介绍了两种基于...蛋白质-配体相互作用对于理解关键生物学过程至关重要,目前已采用多种分析方法对其进行研究.其中,核磁共振(Nuclear magnetic resonance, NMR)波谱法是在原子水平上筛选蛋白质配体和表征蛋白质-配体结合的常用方法.本文介绍了两种基于配体的NMR方法——饱和转移差(Saturation transfer differential, STD)和梯度光谱监测水配体(Water ligand observed via gradient spectroscopy, WaterLOGSY),因不受蛋白质构象的影响并且不需要靶标同位素标记,基于配体的NMR在研究蛋白质-配体相互作用领域具有广泛的应用.本文主要综述了它们的原理、在筛选配体和表征相互作用中的应用以及相关局限性.展开更多
蛋白质-蛋白质相互作用在细胞的生化功能中扮演极为重要的角色,深入解析蛋白质相互作用关系是理解细胞生命活动的关键。本研究以高尔基体蛋白73(golgi protein 73,GP73)为研究对象,利用经典的免疫共沉淀联合质谱技术系统挖掘了GP73的相...蛋白质-蛋白质相互作用在细胞的生化功能中扮演极为重要的角色,深入解析蛋白质相互作用关系是理解细胞生命活动的关键。本研究以高尔基体蛋白73(golgi protein 73,GP73)为研究对象,利用经典的免疫共沉淀联合质谱技术系统挖掘了GP73的相互作用蛋白质,力求进一步解析GP73的分子功能。选取肝癌细胞系HepG2,利用慢病毒感染技术构建过表达GP73-3Flag的稳定细胞系,免疫共沉淀联合质谱检测鉴定出78个高置信的GP73相互作用蛋白质,生物信息学分析提示,GP73与近40个细胞核蛋白质存在相互作用,并参与RNA运输、剪接和翻译等生物学过程,进一步的免疫荧光和细胞核蛋白质分离实验证实,GP73在多种肿瘤细胞中的细胞核定位,在78个相互作用蛋白质的基础上进一步筛选出与mRNA剪接相关的蛋白质相互作用网络,并通过免疫共沉淀验证了GP73与HNRNPH3、SMN1、RBM14、NCBP1等7种蛋白质存在相互作用。Minigene剪接实验提示,过表达GP73抑制细胞对pre-mRNA的剪接效率。本研究拓展了对GP73蛋白功能的认识和理解,有助于解释其在细胞生物学中的重要角色及其与疾病的潜在关联。展开更多
尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(L...尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(Long non-coding RNA based on self-attention mechanism),该模型采用了k-mer方法来编码RNA和蛋白质序列特征作为模型的输入,这种方法可以同时考虑两种序列的信息,从而提高了预测的准确性。此外,在密集型卷积模块中,使用两种尺度的特征提取,更好地捕捉局部和全局的信息。最后,将得到的特征输入自注意力循环网络层中,更好地处理序列数据的长期依赖关系,将得到的RNA、蛋白质二者特征信息融合成新的特征放入全连接层进行预测。实验结果表明,该模型不仅扩展了生物特征预测领域,而且可以学习RNA序列与蛋白质序列之间更多的相互作用关系,在预测RPIs方面表现优于大多数同类方法,在数据集RPIs1446、RPIs1807、RPIs488上的准确率分别达到91.7%、96.6%、91.6%。展开更多
文摘蛋白质-配体相互作用对于理解关键生物学过程至关重要,目前已采用多种分析方法对其进行研究.其中,核磁共振(Nuclear magnetic resonance, NMR)波谱法是在原子水平上筛选蛋白质配体和表征蛋白质-配体结合的常用方法.本文介绍了两种基于配体的NMR方法——饱和转移差(Saturation transfer differential, STD)和梯度光谱监测水配体(Water ligand observed via gradient spectroscopy, WaterLOGSY),因不受蛋白质构象的影响并且不需要靶标同位素标记,基于配体的NMR在研究蛋白质-配体相互作用领域具有广泛的应用.本文主要综述了它们的原理、在筛选配体和表征相互作用中的应用以及相关局限性.
文摘蛋白质-蛋白质相互作用在细胞的生化功能中扮演极为重要的角色,深入解析蛋白质相互作用关系是理解细胞生命活动的关键。本研究以高尔基体蛋白73(golgi protein 73,GP73)为研究对象,利用经典的免疫共沉淀联合质谱技术系统挖掘了GP73的相互作用蛋白质,力求进一步解析GP73的分子功能。选取肝癌细胞系HepG2,利用慢病毒感染技术构建过表达GP73-3Flag的稳定细胞系,免疫共沉淀联合质谱检测鉴定出78个高置信的GP73相互作用蛋白质,生物信息学分析提示,GP73与近40个细胞核蛋白质存在相互作用,并参与RNA运输、剪接和翻译等生物学过程,进一步的免疫荧光和细胞核蛋白质分离实验证实,GP73在多种肿瘤细胞中的细胞核定位,在78个相互作用蛋白质的基础上进一步筛选出与mRNA剪接相关的蛋白质相互作用网络,并通过免疫共沉淀验证了GP73与HNRNPH3、SMN1、RBM14、NCBP1等7种蛋白质存在相互作用。Minigene剪接实验提示,过表达GP73抑制细胞对pre-mRNA的剪接效率。本研究拓展了对GP73蛋白功能的认识和理解,有助于解释其在细胞生物学中的重要角色及其与疾病的潜在关联。
文摘尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(Long non-coding RNA based on self-attention mechanism),该模型采用了k-mer方法来编码RNA和蛋白质序列特征作为模型的输入,这种方法可以同时考虑两种序列的信息,从而提高了预测的准确性。此外,在密集型卷积模块中,使用两种尺度的特征提取,更好地捕捉局部和全局的信息。最后,将得到的特征输入自注意力循环网络层中,更好地处理序列数据的长期依赖关系,将得到的RNA、蛋白质二者特征信息融合成新的特征放入全连接层进行预测。实验结果表明,该模型不仅扩展了生物特征预测领域,而且可以学习RNA序列与蛋白质序列之间更多的相互作用关系,在预测RPIs方面表现优于大多数同类方法,在数据集RPIs1446、RPIs1807、RPIs488上的准确率分别达到91.7%、96.6%、91.6%。
