研究人员设计“纳米陷阱” 提供有关蛋白质团块的新见解

研究人员设计“纳米陷阱”提供有关蛋白质团块的新见解图片显示的是蛋白质捕获器，它由纳米级腔室和聚合物组成，在上方形成门。这些"门"通过将温度升高约10度来打开。然后，聚合物会改变形状，变成更紧凑的状态，这样蛋白质就可以进出了。资料来源：查尔默斯理工大学朱莉娅-耶尔勒巴克领导该研究项目的查尔姆斯大学教授安德烈亚斯-达林（AndreasDahlin）说："我们相信，我们的方法具有巨大的潜力，可以加深人们对许多不同疾病的早期和危险过程的了解，并最终帮助人们了解如何用药物来对抗这些疾病。"在人体内形成团块的蛋白质会导致多种疾病，包括渐冻人症、老年痴呆症和帕金森症。如果能更好地了解凝块是如何形成的，就能找到有效的方法在早期将其溶解，甚至完全防止其形成。AndreasDahlin，查尔姆斯理工大学化学与化学工程系教授。图片来源：查尔默斯理工大学MikaelTerfors如今，有各种技术可以研究过程的后期阶段，即团块变大并形成长链的阶段，但直到现在，还很难跟踪早期的发展，因为那时它们还非常小。现在，这些新的捕集器可以帮助解决这个问题。可长时间进行高浓度研究研究人员将他们的工作描述为世界上最小的闸门，只需按下按钮就能打开和关闭。这些门成为陷阱，将蛋白质锁在纳米级的腔室中。蛋白质无法逃脱，从而将在这一水平上观察蛋白质的时间从一毫秒延长到至少一小时。这种新方法还可以在很小的体积内封闭几百个蛋白质，这对进一步了解情况非常重要。"我们希望看到并更好地理解的团块由数百个蛋白质组成，因此如果我们要研究它们，就必须能够捕获如此大量的蛋白质。"AndreasDahlin说："小体积内的高浓度意味着蛋白质会自然地相互碰撞，这是我们新方法的一大优势。"为了将这种技术用于研究特定疾病的病程，还需要继续开发这种方法。"捕获器需要进行调整，以吸引与你感兴趣的特定疾病相关的蛋白质。"AndreasDahlin说："我们现在的工作是规划哪些蛋白质最适合研究。"新陷阱的工作原理研究人员开发的捕集器由所谓的聚合物刷组成，位于纳米级腔室的口部。要研究的蛋白质包含在液体溶液中，经过特殊化学处理后被吸引到腔室壁上。当闸门关闭时，蛋白质就会脱离腔壁，开始相互移动。在捕集器中，您可以研究单个的蛋白质团块，这比同时研究许多蛋白质团块能提供更多信息。例如，团块可能由不同的机制形成，具有不同的大小和结构。只有逐个分析才能观察到这些差异。实际上，蛋白质可以在捕集器中保留几乎任意长的时间，但目前，时间受到化学标记保留时间的限制。在这项研究中，研究人员成功地将可见性保持了一个小时。...PC版：https://www.cnbeta.com.tw/articles/soft/1398913.htm手机版：https://m.cnbeta.com.tw/view/1398913.htm

聚焦unknome蛋白质加速研究：我们几乎一无所知的人类基因数据库

聚焦unknome蛋白质加速研究：我们几乎一无所知的人类基因数据库这个数据库被称为"unknome"，是英国牛津大学邓恩病理学学院的马修-弗里曼（MatthewFreeman）和英国剑桥MRC分子生物学实验室的肖恩-芒罗（SeanMunro）及其同事的研究成果。他们对数据库中的部分蛋白质进行了研究，发现其中大部分蛋白质对重要的细胞功能做出了贡献，包括发育和抗压能力。人类基因组测序清楚地表明，人类基因组编码了数以千计的可能蛋白质序列，而这些蛋白质序列的身份和功能至今仍不为人知。造成这种情况的原因是多方面的，包括人们倾向于将稀缺的研究经费集中用于已知的目标，以及缺乏包括抗体在内的工具来研究细胞中这些蛋白质的功能。但作者认为，忽视这些蛋白质的风险很大，因为很可能有些蛋白质，也许是很多蛋白质，在关键的细胞过程中发挥着重要作用，既能提供洞察力，又能成为治疗干预的靶点。为了促进对这类蛋白质进行更快速的探索，作者创建了unknome数据库，为每种蛋白质分配一个"已知度"分数，反映科学文献中有关功能、跨物种保护、亚细胞区隔和其他要素的信息。根据这一系统，有数千种蛋白质的"已知度"接近于零。其中包括来自模式生物的蛋白质，以及来自人类基因组的蛋白质。该数据库对所有人开放，并可定制，允许用户为不同的元素提供自己的权重，从而生成自己的已知度分数集，以确定自己研究的优先次序。为了测试该数据库的实用性，作者选择了人类中的260个基因，这些基因在苍蝇中也有类似的基因，而且在两个物种中的已知度分数都是1或更低，这表明人们对它们几乎一无所知。其中许多基因的完全敲除与苍蝇的生活不相容；部分敲除或组织特异性敲除后发现，大部分基因对影响生育、发育、组织生长、蛋白质质量控制或抗逆性的重要功能做出了贡献。研究结果表明，尽管进行了数十年的详细研究，但仍有成千上万的苍蝇基因甚至在最基本的水平上仍有待了解，人类基因组的情况显然也是如此。芒罗说："这些未被表征的基因不应该被忽视。"我们的数据库提供了一个功能强大、用途广泛的高效平台，可用于识别和选择功能未知的重要基因进行分析，从而加快缩小未知基因组所代表的生物学知识差距。"芒罗补充说："成千上万种人类蛋白质的作用仍然不清楚，但研究往往集中在那些已经很清楚的蛋白质上。为了帮助解决这个问题，我们创建了一个'未知组'（Unknome）数据库，该数据库根据人们对蛋白质的了解程度对蛋白质进行排序，然后对这些神秘蛋白质中的一部分进行功能筛选，以展示无知是如何推动生物学发现的。"...PC版：https://www.cnbeta.com.tw/articles/soft/1384205.htm手机版：https://m.cnbeta.com.tw/view/1384205.htm

澳研究：与儿童冠病重症相关蛋白质

澳研究：与儿童冠病重症相关蛋白质（早报讯）澳大利亚一个研究团队发现了分别与两种常见的冠病感染严重综合征相关的一些特定蛋白质。研究团队近日发布公报说，研究揭示了冠病感染导致的严重病症给儿童的凝血和免疫通路带来的影响，将有助于研发诊疗手段和靶向药物等。新华社报道，澳大利亚默多克儿童研究所和墨尔本大学领导的研究团队从法国内克尔儿童医院获取33名儿童冠病重症患者的血液样本，并与20名健康儿童的血液样本进行对比分析。这33名儿童冠病重症患者患有多系统炎症综合征或急性呼吸窘迫综合征，这是儿童重症患者中常见的两种综合征。多系统炎症综合征可能导致心脏、大脑等全身不同器官出现炎症；而急性呼吸窘迫综合征是严重肺部疾病。该团队运用蛋白质组学的研究方法，在重症儿童血液样本中分别找到85种与多系统炎症综合征相关蛋白质，以及52种与急性呼吸窘迫综合征相关蛋白质。与健康儿童相比，重症儿童血液样本中所含这些蛋白质的水平显著增多或减少。研究组在英国期刊《自然·通讯》发表了研究论文。论文第一作者、默多克儿童研究所研究员康纳·麦卡弗蒂在公报中说，多数儿童冠病患者症状轻，但亦有发展为重症者。数据显示，约1.7%的儿童冠病住院患者进入重症监护室。儿童感染冠病导致的多系统炎症综合征临床症状与川崎病、中毒性休克综合征等疾病类似，均有可能出现发热、腹痛、呕吐、皮疹、结膜炎等，这为快速确诊带来困难。研究人员指出，新研究发现这些与儿童冠病重症相关的特定蛋白质，有助于了解儿童冠病重症的病理过程、开发早期诊疗工具和药物靶点等，以改善儿童重症患者的预后。发布：2022年5月5日11:34PM

新研究发现昆虫蛋白质可减缓体重增加并改善健康状况

新研究发现昆虫蛋白质可减缓体重增加并改善健康状况新研究发现，在小鼠的高脂肪饮食中用黄粉虫代替传统蛋白质可为健康带来诸多益处，包括减少体重增加和改善胆固醇。虽然西方社会对食用昆虫还有些犹豫，但昆虫是一种环境可持续的蛋白质来源。除了增加膳食纤维，营养学家还建议在体重管理计划中多吃优质蛋白质。这项研究的主要作者凯利-斯旺森（KellySwanson）说："我们从早些时候对公鸡的研究中得知，黄粉虫是一种优质、易消化的蛋白质来源，而且在环境上具有可持续性。"斯旺森的研究小组给小鼠喂食高脂肪饮食（46%的热量来自脂肪）和酪蛋白（一种来自乳制品的蛋白质），喂食12周后，小鼠改吃替代蛋白质。另一组是对照组，在整个实验过程中食用含酪蛋白的瘦肉食物。到引入黄粉虫时，高脂饮食组已经肥胖并出现了代谢综合征，这是一种增加心脏病发作、中风、糖尿病和其他健康问题风险的疾病。凯利-斯旺森（KellySwanson）发现黄粉虫蛋白可以减缓肥胖小鼠的体重增加并改善血液代谢物。资料来源：L.BrianStauffer，伊利诺伊大学随后，小鼠开始食用两种类似于面粉的粉末状干黄粉虫，以替代饮食中50%或100%的酪蛋白。在食用实验饮食8周期间和之后，研究小组测量了体重、身体成分、血液代谢物以及肝脏和脂肪组织的基因表达。与摄入高脂肪膳食和酪蛋白的小鼠相比，黄粉虫蛋白并没有使肥胖小鼠的体重减轻，但它们的体重增加速度减慢了。其益处远不止于此。斯旺森说："这并不是体重减轻的情况；它们只是通过黄粉虫减缓了体重增加的速度。更重要的影响是改善了他们的血脂状况。他们的低密度脂蛋白（即所谓的'坏胆固醇'）下降了，而高密度脂蛋白（即'好胆固醇'）上升了。从基因表达的角度来看，炎症减少了，一些脂质和葡萄糖代谢基因发生了改变。并非一切都是积极的，但从新陈代谢的角度来看，他们的情况更好了。"其中一些益处可能与甲壳素有关，甲壳素是一种构成昆虫外骨骼的纤维材料。斯旺森说，虽然甲壳素的作用还没有得到很好的研究，但它似乎像纤维一样，能刺激肠道中有益微生物的活动。他正在撰写另一篇论文，研究黄粉虫对小鼠微生物群的影响。其他研究也评估了替代蛋白质对小鼠肥胖体重的控制作用，但大多数研究都使用了基因改变的小鼠，这种小鼠无论如何都会保持肥胖。斯旺森的研究小组有意使用"野生型"小鼠，这样它们就能像许多人类一样通过饮食增加体重。但人类准备好接受黄粉虫蛋白了吗？斯旺森说："对于西方社会的许多人来说，吃昆虫是不太正常的，但有些人几千年来一直依赖昆虫蛋白质。随着蛋白质短缺成为现实，昆虫餐或许还有用武之地。"不过，目前黄粉虫蛋白尚未获得美国食品和药物管理局的批准。对昆虫好奇的人可以试试蟋蟀粉，根据《食品、药品和化妆品法》，蟋蟀粉可以用于食品中。斯旺森说："你看不到腿或类似的东西，这看起来只是一种面粉，不会对食品的口味或其他特性产生负面影响。"...PC版：https://www.cnbeta.com.tw/articles/soft/1385617.htm手机版：https://m.cnbeta.com.tw/view/1385617.htm

科学家揭示蛋白质如何驱动癌症生长

科学家揭示蛋白质如何驱动癌症生长在圣路易斯华盛顿大学医学院、麻省理工学院和哈佛大学布罗德研究所、杨百翰大学以及世界各地其他机构的领导下，临床蛋白质组肿瘤分析联合会对驱动癌症的关键蛋白质及其调控方式进行了研究。研究结果于8月14日发表在《细胞》（Cell）和《癌细胞》（CancerCell）杂志上的一组论文中。临床肿瘤蛋白质组学分析联合会由美国国立卫生研究院（NIH）国家癌症研究所资助。资深作者、华盛顿大学戴维-英格利希-史密斯医学特聘教授丁力博士说："在我们开发更好的癌症疗法的努力中，这种对驱动肿瘤生长的蛋白质的新分析是继癌症基因组测序之后的下一步。通过过去的癌细胞基因组测序工作，我们确定了近300个驱动癌症的基因。现在，我们正在研究这些癌基因所启动的机器的细节--实际导致细胞分裂失控的蛋白质及其调控网络。我们希望这项分析能成为癌症研究人员开发多种肿瘤类型新疗法的重要资源。"研究人员分析了涉及10种不同类型癌症的约1万个蛋白质，他们强调了大量数据在这类分析中的重要性；其中许多重要的癌症驱动蛋白在任何一种癌症中都很罕见，如果对肿瘤类型进行单独研究，就不可能发现这些蛋白。这项分析包括两种不同类型的肺癌以及结直肠癌、卵巢癌、肾癌、头颈癌、子宫癌、胰腺癌、乳腺癌和脑癌。丁力也是巴恩斯犹太医院和华盛顿大学医学院西特曼癌症中心的研究成员。他介绍谁哦"当我们对多种癌症类型进行综合分析时，我们就能提高检测导致癌症生长和扩散的重要蛋白质的能力。综合分析还能让我们找出驱动不同类型癌症的主要共同机制。"除了单个蛋白质的功能外，这些数据还能让研究人员了解蛋白质之间是如何相互作用来促进癌症生长的。如果两种蛋白质的水平相互关联--例如，当其中一种蛋白质的水平较高时，另一种蛋白质的水平也总是较高--这就表明这两种蛋白质是作为伙伴作用的。破坏这种相互作用可能是阻止肿瘤生长的一种有效方法。这些研究（包括丁和布罗德研究所的加德-格茨博士共同领导的一项研究）还揭示了通过化学改变蛋白质以改变其功能的不同方法。研究人员记录了这种化学变化--称为乙酰化和磷酸化的过程--如何改变DNA修复、改变免疫反应、改变DNA的折叠和包装方式，以及其他可能在癌症发生过程中发挥作用的重要分子变化。这项研究还揭示了免疫疗法的有效性。检查点抑制剂等免疫疗法通常对突变较多的癌症最有效，但即便如此，它们也并非对所有患者都有效。研究人员发现，大量突变并不总是导致异常蛋白质的大量存在，而异常蛋白质正是免疫系统攻击肿瘤的目标。丁说："对某些癌症来说，即使突变有可能产生肿瘤抗原，但如果没有异常蛋白表达或表达很少，这种突变就可能不是治疗的靶点。这可以解释为什么有些病人对免疫疗法没有反应，即使他们似乎应该对免疫疗法有反应。因此，我们的蛋白质组学调查涵盖了肿瘤抗原的表达谱，对于设计针对选定突变的新免疫疗法特别有用。"在另一项研究中，丁的团队确定了DNA甲基化模式，这是另一种能影响基因表达方式的化学变化。这种模式可能是癌症的关键驱动因素。在一项重要发现中，研究小组确定了在某些肿瘤类型中抑制免疫系统的分子开关。这组四项研究的最后一篇论文向更广泛的研究界提供了联盟使用的数据和分析资源。她说："总的来说，这种对多种癌症类型进行的彻底蛋白质组学和化学修饰分析--与我们长期积累的癌症基因组学知识相结合--提供了另一层信息，我们希望这些信息能帮助解答癌症是如何生长并设法躲避我们的许多最佳治疗方法的许多持续存在的问题。"...PC版：https://www.cnbeta.com.tw/articles/soft/1377313.htm手机版：https://m.cnbeta.com.tw/view/1377313.htm

MIT最新研究：AlphaFold蛋白质预测能力太差 目前利用价值还很低

MIT最新研究：AlphaFold蛋白质预测能力太差目前利用价值还很低2018年，Deepmind首次发布基于深度神经网络的蛋白质结构预测数据库AlphaFold，在蛋白质预测中实现了最先进的性能；去年，AlphaFold2获得了98.5%的蛋白质预测率；前段时间，Deepmind又重磅发布了数据集更新，称目前的AlphaFold已经预测了几乎所有已知的蛋白质。PC版：https://www.cnbeta.com/articles/soft/1316665.htm手机版：https://m.cnbeta.com/view/1316665.htm