水雯箐課題組發表有關質譜與組學新技術用于篩選蛋白質-小分子相互作用的綜述和研究論文

ON2019-12-30文章來源 iHuman研究所CATEGORY新聞

近期,我校iHuman研究所、生命學院水雯箐課題組受邀在Current Opinion in Biotechnology上發表了題為“Systematic Mapping of Protein-Metabolite Interactions With Mass Spectrometry-Based Techniques” 的綜述,系統總結了可用于發現細胞內蛋白質-代謝小分子相互作用關聯的化學蛋白質組學方法。水雯箐課題組長期從事藥物靶標蛋白的配體篩選研究,尤其關注GPCR這類膜蛋白,發展質譜技術用于新結構、新功能GPCR配體的發現。此前,該課題組發展了一種迭代親和質譜技術,可應用于GPCR靶向的小分子配體高通量篩選,相關成果于2019年7月發表于Analytical Chemistry,題為“Accelerating the Throughput of Affinity Mass Spectrometry-Based Ligand Screening toward a G Protein-Coupled Receptor”。

蛋白質和小分子代謝物之間的分子識別在調節蛋白質功能和影響各種細胞生物學過程中起著至關重要的作用。蛋白質-代謝物的相互作用(protein-metabolite interaction, PMI)可以調控代謝酶、轉錄因子、轉運蛋白以及膜受體的活性,從而可以將細胞代謝與遺傳調控、環境感知和信號轉導聯系起來。據推測,特定的細胞中可能存在數百萬對功能相關的PMI,其復雜程度不亞于蛋白質-蛋白質相互作用(PPI)網絡。而迄今為止,最全面的PMI分析只鑒定出大腸桿菌細胞內20種代謝物分子與800余種內源代謝酶與之間存在1678對互作關聯,遠低于哺乳動物細胞中已發現的近56000種蛋白-蛋白互作對組成的PPI網絡。大規模繪制細胞內PMI關聯圖譜仍面臨著多種技術障礙,如難以檢測低親和力和瞬時PMI,某些蛋白質無法進行體外純化,尤其是全長跨膜蛋白質等等。

近些年來,基于質譜(mass spectrometry)的化學蛋白質組學和代謝組學技術的快速發展促進了PMI的系統性研究。綜述文章全面總結了利用組學策略進行PMI研究的最新進展,討論了不同PMI研究方法的優勢和局限性,以及在質譜定量分析和數據挖掘中如何提高PMI鑒定準確性的思路(圖一),為探索細胞內眾多未知的蛋白質-代謝小分子相互作用及其與疾病的關聯提供了可借鑒的研究策略。

圖一:以代謝物小分子或蛋白質為中心的PMI研究策略

該綜述中介紹的親和質譜技術也是從小分子混合物中快速篩選靶蛋白配體的有力工具,但是目前其通量限制在每組混合物包含400-2000個化合物,并且傳統的篩選流程通常需要體外純化靶蛋白,這對于結構穩定性低的膜蛋白來說是非常大的挑戰。水雯箐課題組在已有研究基礎上(Chem. Sci. 2018)進一步發展了一種新型的迭代式親和質譜方法,此方法能夠一次性從2萬個化合物組成的混合物中高效富集結合特定GPCR靶標的配體,篩選出的配體親和力通常在微摩爾以下(圖二)。此外,該方法可針對純化的GPCR蛋白或者表達GPCR蛋白的細胞膜組分進行配體篩選,而后者可省去膜蛋白純化的繁瑣步驟。作者利用這種高通量、無標記、可定量的親和質譜技術,針對A2A 腺苷受體篩選得到三種新結構的拮抗劑。該研究論文此前發表于Analytical Chemistry期刊。

圖二:迭代式親和質譜技術提高GPCR配體篩選通量

iHuman研究所科研助理李珊珊為綜述文章的一作,水雯箐研究員為通訊作者。親和質譜技術的研究論文由水雯箐課題組博士生陸燕和研究助理秦姍姍主要完成,為共同一作,水雯箐研究員與中科院藥物所王明偉研究員為共同通訊作者。兩篇論文中上科大均為第一完成單位。該項目得到了上科大科研啟動基金、國家重大專項和國家自然科學基金等支持。