蛋白质结构分析仪

《自然-方法学》：蛋白质结构分析新技术创测定速度纪录　　过去需几年时间完成的工作现在仅用几天即可完成　　据美国物理学家组织网7月20日报道，隶属于美国能源部的劳伦斯伯克利国家实验室的科学家开发出一种利用小角度X射线散射技术测定蛋白质结构的新方法，大大提高了蛋白质结构研究分析的效率，使过去需要几年时间完成的工作仅需要几天即可完成，这将极大地促进结构基因组学的研究进程。　　结构基因组学是一门研究生物中所有蛋白质结构的科学。通过对蛋白质结构的分析，可大致了解蛋白质的功能。结构基因组学重视快速、大量的蛋白质结构测定，而快速结构测定技术正是该学科研究面临的一个瓶颈问题。目前通常使用的两种测定技术，X射线晶体衍射和核磁共振质谱技术，虽然精确，但速度很慢，测定一个基因的蛋白质结构，动辄就需要几年的时间。随着新发现的蛋白质及蛋白质复合物越来越多，目前的分析速度远远不能满足研究的需要。　　为解决这个瓶颈问题，劳伦斯伯克利国家实验室的科学家们借助了该实验室的先进光源(ALS)。他们运用一种称为小角度X射线散射(SAXS)的技术，对处于自然状态下(如在溶液之中)的蛋白质进行成像，其分辨率大约为10埃米(1埃米等于1/10纳米)，足够用来测定蛋白质的三维结构。ASL产生的强光可以使实验所需材料减至最少，这使得该技术可以用于几乎所有生物分子的研究。　　为了最大限度提高测定速度，研究小组安装了一个自动装置，可自动使用移液器吸取蛋白质样品到指定位置，以便利用X射线散射进行分析研究。他们还使用美国能源部国家能源研究科学计算机中心(NERSC)的超级计算资源进行数据分析。利用这一系统，研究小组取得了惊人的研究效率，在1个月内分析测定了火球菌的40组蛋白质结构。如果使用X射线晶体衍射技术，这可能需要花几年时间。同时，他们所获取的信息十分全面，涵盖了溶液中大部分蛋白质样本的结构信息。相比于在结构基因组学启动计划中使用核磁共振和晶体衍射技术仅能获取15%的信息量来说，这是十分巨大的进步。　　高通量蛋白质结构分析有助于加快生物燃料的研究步伐，帮助解读极端微生物在恶劣环境中的繁荣之谜，更好地理解蛋白质的功能。研究小组之所以首先选择火球菌进行实验分析，就是因为它可用来生产清洁能源——氢。同时，在许多工业流程中都会出现高酸高热的环境状态，而这正是火球菌喜欢的生存环境。　　但这种技术也有不足之处，追求速度会造成一种失衡，使成像质量相应打了折扣。与X射线晶体衍射成像的超高分辨率相比，小角度X射线散射成像的分辨率比较低，大约是10埃米。但这并不妨碍该技术的应用前景，因为并不是所有的研究都需要超高精度成像。对于结构基因组学研究来说，有时只要知道一种蛋白质与另一种蛋白质具有相似的结构，就可以了解其功能。而且，小角度X射线散射技术能够提供溶液中蛋白质形状、结构及构造变化等方面的精确信息，足以弥补其在成像精度方面的不足。　　该研究成果刊登在7月20日《自然—方法学》杂志网络版上，美国斯克利普斯研究所和乔治亚州大学的科学家亦参与了该项研究。

贾伟、陈熙沃特世科技（上海）有限公司实验中心氢氘交换质谱法是一种研究蛋白质空间构象的质谱技术。它在蛋白质结构及动态变化研究、蛋白质相互作用位点发现、蛋白表位及活性位点鉴定方面有着广泛的应用。随着氢氘交换质谱技术的不断发展，它正在成为结构生物学家及生物药物研发的重要手段。 氢氘交换质谱（HDX MS，hydrogen deuterium exchange mass spectrometry）是一种研究蛋白质空间构象的质谱技术。其原理是将蛋白浸入重水溶液中，蛋白的氢原子将于重水的氘原子发生交换，而且蛋白质表面与重水密切接触的氢比位于蛋白质内部的或参与氢键形成的氢的交换速率快，进而通过质谱检测确定蛋白质不同序列片段的氢氘交换速率，从而得出蛋白质空间结构信息[1]。这个过程就像将握着的拳头浸入水中，然后提出水面并张开手掌。这时，湿润的手背表明它在&ldquo 拳头&rdquo 的结构中处于外表面，而较为干燥的手心表明它是&ldquo 拳头&rdquo 的内部。除样品制备外，氢氘交换质谱法的主要过程包括：交换反应、终止反应、将蛋白快速酶切为多肽、液相分离、质谱检测、数据解析。其中交换步骤需要在多个反应时长下进行，如0s、10s、1min、10min、60min等，以绘制交换率曲线，得到准确全面的信息。氢氘交换质谱技术在蛋白质结构及其动态变化研究[1]、蛋白质相互作用位点发现[2]、蛋白表位及活性位点鉴定方面有着广泛的应用[3]。 与经典的蛋白质结构研究方法相比，如X射线晶体衍射（X-Ray Crystallography）和核磁共振（NMR. Nuclear Magnetic Resonance）等方法，氢氘交换质谱不能够提供精确的蛋白空间结构，它直接提供的主要信息包括哪些氨基酸序列位于蛋白质空间结构的表面位置（包括动态变化中的）、可能的活性位点和蛋白-蛋白相互作用位点等。但是氢氘交换质谱技术有着其他经典方法不具备的优点：首先，可以进行蛋白质结构动态变化的研究是氢氘交换质谱的一个突出优点，包括变化中的活性位点及表位；其次，氢氘交换质谱在蛋白复合体构象的研究中也具有独到的优势；此外，氢氘交换质谱还具有对样品需求量小、纯度要求相对较低、研究对象为溶液环境下的蛋白质的天然构象而非晶体中构象等优势[1,4,5]。自1991年第一篇研究论文发表起，氢氘交换质谱技术不断发展，已经成为结构生物学及质谱技术中一个非常重要的应用领域[6]。但是氢氘交换质谱实验的复杂的实现过程在一定程度上影响了其应用的广泛度。主要的难点有：1、如何避免交换后氘代肽段的回交现象；2、实验控制的高精确性和重现性要求；3、交换后造成的叠加的质谱峰如何准确分辨；4、简易高效的分析软件需求；5、以氨基酸为单位的交换位点辨析。沃特世公司自2005年起，针对以上难点不断进行攻关，推出了目前唯一商业化的全自动氢氘交换质谱系统解决方案&mdash &mdash nanoACQUITY UPLC HD-Exchange System(图1)。在全世界范围内，这套系统已经帮助科学家在包括Cell、Nature等顶级研究期刊中发表研究论文[7,8]。除科研需求外，沃特世氢氘交换质谱系统也受到众多国际领先制药公司的认可，并用于新药开发中蛋白药物活性位点及表位的研究工作中。氢氘交换实验中的回交现象将严重影响实验数据的可信度，甚至导致错误结果的产生。要避免回交需要做到两点：尽量缩短液质分析时间和保证液质分析中的温度和pH为最低回交反应系数所要求的环境。沃特世UPLC系统采用亚二纳米色谱颗粒填料，较HPLC使用的大颗粒填料，UPLC具有无与伦比的分离度。因此UPLC可以做到在不损失色谱分离效果的要求下，极大缩短液相分析时间的要求[9]。对于对温度和pH控制问题，在多年的工程学改进中，nanoACQUITY UPLC HD-Exchange System已经实现了对酶切、液相分离等步骤的全程控制[10]。 对氢氘交换质谱实验精确性和重现性的要求是其应用的第二个主要难点。在实验中一般需要采集0s、10s、1min、10min、60min、240min等多个时间点的数据。如果进行人工手动实验，很难做到对10S-10min等几个时间点的精确操作。再考虑到重复实验的需求，人工手动操作会对最终数据可信度产生影响。而且实验过程重复繁琐，将给实验人员带来非常大的工作压力。nanoACQUITY UPLC HD-Exchange System完全通过智能机械臂，精确完成交换、终止交换、进样、酶切等一系列实验过程，而且始终保证各个步骤所需不同的温度环境。这些自动化过程不但保证了实验数据的可靠性，提高了实验效率，也将科学家从繁琐的重复实验中解放出来。 氢氘交换实验的质谱数据中，随着交换时间的延长，发生了交换反应的多肽，由于质量变大，其质谱信号将逐渐向高质荷比方向移动。因此，这些质谱峰可能与哪些未发生交换反应的多肽质谱峰逐渐叠加、相互覆盖。相互叠加的质谱信号，不但影响对峰归属的判断，更会增加交换率数据的误差。因为交换率判断需要通过对发生交换的多肽进行定量，毫无疑问因叠加的而混乱的质谱数据将极大的影响对质谱峰的准确定量。这点对于单纯通过质荷比进行分析的质谱仪来说完全无能为力。但是，这个看似不可能完成的任务却被沃特世 nanoACQUITY UPLC HD-Exchange System攻克了。这是因为，不同于其它常见质谱，沃特世的SYNAPT质谱平台还具备根据离子大小及形态进行分离的功能（行波离子淌度分离）。在数据处理时，除多肽离子的质荷比信息外，还可以通过离子迁移时间（离子淌度维度参数）将不同离子区分。因此这种SYNPAT独有的被命名为HDMSE的质谱分析技术可以将因质荷比相同而重叠的多肽分离开，轻而易举地解决了质谱信号叠加的问题，得到准确的交换率数据[11,12]（图2）。SYNPAT质谱平台一经推出就夺得了2007年PITTCON金奖，目前已经推出了新一代的SYNAPT G2HDMS、SYNAPT G2-S HDMS等型号，并具备ESI、MALDI等多种离子源。除氢氘交换技术外，SYNAPT质谱系统在蛋白质复合体结构研究中也是独具特色，已有多篇高质量应用文献发表[13,14,15]。 实现氢氘交换质谱技术的第四个关键点，是如何高效分析实验产生的多时间点及多次重复带来的大量数据。人工完成如此巨大的信息处理工作，将消耗科学家大量的时间。沃特世氢氘交换质谱解决方案所提供的DynamX软件可以为科学家提供简便直观的分析结果，并包含多种呈现方式。 在某些特殊研究中，要求对蛋白氢氘交换位点做到精确到氨基酸的测量，这是氢氘交换质谱研究的又一个难点。在常规的研究中采用CID（碰撞诱导解离）碎裂模式，可能导致氘原子在多肽内重排，而致使不能对发生交换的具体氨基酸进行精确定位。SYNPAT质谱提供的ETD（电子转移解离）碎裂模式可以避免氘原子重排造成的信息混乱，并具有良好的碎裂信号[16]。沃特世的nanoACQUITY UPLC HD-Exchange System为氢氘交换质谱实验提供了前所未有的简易的解决方案，强有力地推动了氢氘交换技术在蛋白质结构及动态变化研究、蛋白质相互作用位点发现、蛋白表位以及活性位点鉴定方面的应用，正在成为众多结构生物学科学家和生物制药企业必不可少的工作平台。参考文献(1) John R. Engen, Analysis of Protein Conformation and Dynamics by Hydrogen/Deuterium Exchange MS. Anal. Chem. 2009,81, 7870&ndash 7875(2) Engen et al. probing protein interactions using HD exchange ms in ms of protein interactions. Edited by Downard, John Wiley & Sons, Inc. 2007, 45-61(3) Tiyanont K, Wales TE, Aste-Amezaga M, et al. Evidence for increased exposure of the Notch1 metalloprotease cleavage site upon conversion to an activated conformation. Structure. 2011, 19, 546-554(4) Heck AJ. Native mass spectrometry: a bridge between interactomics and structural biology. Nat Methods. 2008, 5, 927-933.(5) Esther van Duijn, Albert J.R. Heck. Mass spectrometric analysis of intact macromolecular chaperone complexes. Drug Discovery Today. Drug Discovery Today: Technologies Volume 3, 2006, 21-27(6) Viswanat ham Katta, Brian T. C hait, Steven Ca r r. Conformational changes in proteins probed by hydrogen-exchange electrospray-ionization mass spectrometry. Rapid Commun. Mass Spectrom. 1991, 5, 214&ndash 217(7) Chakraborty K, Chatila M, Sinha J, et al. Chaperonin-catalyzed rescue of kinetically trapped states in protein folding. Cell. 2010 Jul 9 142(1):112-22.(8) Zhang J, Adriá n FJ, Jahnke W, et al. Targeting Bcr-Abl by combining allosteric with AT P-binding-site inhibitors. Nature. 2010,463, 501-506(9) Wu Y, Engen JR, Hobbins WB. Ultra performance liquid chromatography (UPLC) further improves hydrogen/deuterium exchange mass spectrometry. J Am Soc Mass Spectrom. 2006 , 17, 163-167(10) Wales T E, Fadgen KE, Gerhardt GC, Engen JR. High-speedand high-resolution UPLC separation at zero degrees Celsius. Anal Chem. 2008, 80, 6815-6820(11) Giles K, Pringle SD, Worthington KR, et al. Applications of a travelling wave-based radio-frequency-only stacked ring ion guide. Rapid Commun Mass Spectrom. 2004, 18, 2401-2414(12) Olivova P, C hen W, C ha kra borty AB, Gebler JC. Determination of N-glycosylation sites and site heterogeneity in a monoclonal antibody by electrospray quadrupole ion-mobility time-offlight mass spectrometry. Rapid Commun Mass Spectrom. 2008, 22,29-40(13) Ruotolo BT, Benesch JL, Sandercock AM, et al. Ion mobilitymass spectrometry analysis of large protein complexes. Nat Protoc.2008, 3, 1139-52.(14) Uetrecht C, Barbu IM, Shoemaker GK, et al. Interrogating viral capsid assembly with ion mobility-mass spectrometry. Nat Chem.2011, 3,126-132(15) Bleiholder C, Dupuis NF, Wyttenbac h T, Bowers MT. Ion mobility-mass spectrometry reveals a conformational conversion from random assembly to &beta -sheet in amyloid fibril formation. Nat Chem.2011, 3, 172-177(16) Kasper D. Rand, Steven D. Pringle, Michael Morris, John R., et al. ETD in a Traveling Wave Ion Guide at Tuned Z-Spray Ion Source Conditions Allows for Site-Specific Hydrogen/Deuterium Exchange Measurements. J Am Soc Mass Spectrom. 2011, in press

几种不同折叠模式的蛋白质模型(图片来源Protein Data Bank Japan )　　上个世纪初，科学家们认为蛋白质是生命体的遗传物质，而具有独特的作用。随着这个理论被证伪，真正的遗传物质DNA的结构被给予了很大关注。然而，蛋白质作为生命体的重要大分子，其重要性也从未被忽视，而且在1950年代开始，科学家一直在探寻DNA序列和蛋白质序列的相关性。与此同时，蛋白质测序和结构解析蛋白质结构的努力开始慢慢获得回报。更多的生化研究揭示了蛋白质的功能重要性，因此蛋白质的三维结构的解析对于深入理解蛋白质功能和生理现象起着决定性作用。　　本文简要回顾了蛋白质结构解析的重大历史事件，并总结了蛋白质结构解析的常用方法和结构分析方向。通过了解蛋白质结构，能够让我们更好地理解生物体的蛋白的理化特性，以及其相关联的化学反应途径及其机制，对于我们认识生物世界和研发治疗方法和药物都起着关键作用。在即将召开的2015高分辨率成像与生物医学应用研讨会上，各位专家学者将会进一步讨论相关议题。　　蛋白质结构解析六十年来大事件　　在1958年，英国科学家John Kendrew和Max Perutz首先发表了用X射线衍射得到的高分辨率的肌红蛋白Myoglobin的三维结构，然后是更加复杂的血红蛋白Hemoglobin。因此，这两个科学家分享了1962年的诺贝尔化学奖。事实上，这项工作在早在1937年就开始了。　　然后在1960年代，蛋白质结构解析方法不断进步，获得了更高的解析精度。这个时期，蛋白质序列和DNA序列间关系也被发现，中心法则被Francis Crick提出，然后科学界见证了分子生物学的崛起。分子生物学(Molecular Biology)的名称在1962年开始被广泛接受和使用，并逐渐演变出一些支派，如结构生物学。然后在1964年，Aaron Klug提出了一种基于X射线衍射原理发展而来的全新的方法电子晶体学显微镜(crystallographic electron microscopy )，可以解析更大蛋白质或者蛋白质核酸复合体结构。因为这项研究，他获得了1982诺贝尔化学奖。1969年，Benno P. Schoenborn 提出可以用中子散射和原子核散射来确定大分子中固定位置的氢原子坐标。　　进入1970年代，很多新的方法开始发展。存储蛋白质三维结构的Protein Data Bank(1971年) 开始出现，这对于规范化和积累蛋白质数据有着重要意义。1975年新的一种仪器叫做多丝区域检测器，让X-ray的检测和数据收集更加快速高效。次年，Robert Langride将X-ray衍射数据可视化，并在加州大学圣地亚哥分校成立了一个计算机图形实验室。同年，KeithHodgson和同事首次证明了可以使用同步加速器获得的X射线并对单个晶体进行照射，并取得了很好的实验效果。然后在1978年，核磁共振NMR首次被用于蛋白质结构的解析 同年首个高精度病毒(西红柿丛矮病毒)衣壳蛋白结构被解析。　　在1980年代，更多蛋白质结构被解析，蛋白质三维结构的描述越来越成熟，而且蛋白质结构解析也被公认成为药物研发的关键步骤。在1983年，冷冻蚀刻的烟草花叶病毒结构在电子显微镜结构下得到描述。两年后德国科学家John Deisenhofer等解析出了细菌光合反应中心，因此他们共享了1988年的诺贝尔化学奖。次年，两个课题组解析了HIV与复制相关的蛋白酶结构，对针对HIV的药物研发提供了理论基础。　　下一个十年，因为大量同步加速器辅助的X射线衍射的使用，数千个蛋白质结构得到解析，迎来了蛋白质结构组的曙光。1990年多波长反常散射方法(MAD)方法用于X射线衍射晶体成像，与同步辐射加速器一起，成为了近二十多年来的最常用的的方法。Rod MacKinnon在199年发表了第一个高精度的钾离子通道蛋白结构，对加深神经科学的理解起了重要作用，因此他分享了2003年的诺贝尔化学奖。Ada Yonath等领导的课题组在1999年首次解析了核糖体结构(一种巨大的RNA蛋白质复合体)。　　进入新千年，更多的技术细节被加入到蛋白质解析研究领域。2001年，Roger Kornberg和同事们描述了第一个高精度的RNA聚合酶三维结构，正因此五年后他们共享了诺贝尔化学奖。2007年，首个G蛋白偶联受体结构的解析更是对药物研究带了新的希望。近些年来，越来越多的大的蛋白质结构得到解析。Cryo-EM超低温电子显微镜成像用于超大蛋白质结构成像的研究日益成熟，并开始广泛用于蛋白质结构的解析。　　蛋白质结构解析的常用实验方法　　1.X-ray衍射晶体学成像　　X射线衍射晶体学是最早用于结构解析的实验方法之一。X射线是一种高能短波长的电磁波(本质上属于光子束)，被德国科学家伦琴发现，故又被称为伦琴射线。理论和实验都证明了，当X射线打击在分子晶体颗粒上的时候，X射线会发生衍射效应，通过探测器收集这些衍射信号，可以了解晶体中电子密度的分布，再据此析获得粒子的位置信息。利用这种特点，布拉格父子研制出了X射线分光计并测定了一些盐晶体的结构和金刚石结构。首个DNA结构的解析便是利用X射线衍射晶体学获得的。　　后来，获得X射线来源的技术得到了改进，如今更多地使用同步辐射的X射线源。来自同步辐射的X射线源可以调节射线的波长和很高的亮度，结合多波长反常散射技术，可以获得更高精度的晶体结构数据，也成为了当今主流的X射线晶体成像学方法。由X射线衍射晶体学解析的结构在RCSB Protein Data Bank中占到了88%。　　X射线衍射成像虽然得到了长足的发展，仍然有着一定的缺点。X射线对晶体样本有着很大的损伤，因此常用低温液氮环境来保护生物大分子晶体，但是这种情况下的晶体周围环境非常恶劣，可能会对晶体产生不良影响。而且，X射线衍射方法不能用来解析较大的蛋白质。　　上海同步辐射加速器外景(图片来源 上海同步辐射光源网站)　　2.NMR核磁共振成像　　核磁共振成像NMR全称Nuclear magnetic resonance，最早在1938被Isidor Rabi (1946年诺贝尔奖)描述，在上世纪的后半叶得到了长足发展。其基本理论是，带有孤对电子的原子核(自选量子数为1)在外界磁场影响下，会导致原子核的能级发生塞曼分裂，吸收并释放电磁辐射，即产生共振频谱。这种共振电磁辐射的频率与所处磁场强度成一定比例。利用这种特性，通过分析特定原子释放的电磁辐射结合外加磁场分别，可以用于生物大分子的成像或者其他领域的成像。有些时候，NMR也可以结合其他的实验方法，比如液相色谱或者质谱等。　　RCSB Protein Data Bank数据库中存在大约11000个用NMR解析的生物大分子结构，占到总数大约10%的结构。NMR结构解析多是在溶液状态下的蛋白质结构，一般认为比起晶体结构能够描述生物大分子在细胞内真实结构。而且，NMR结构解析能够获得氢原子的结构位置。然而，NMR也并非万能，有时候也会因为蛋白质在溶液中结构不稳定能难得获取稳定的信号，因此，往往借助计算机建模或者其他方法完善结构解析流程。　　使用NMR解析的血红蛋白结构建模(图片来源RCSB PDB)　　3.Cryo-EM超低温电子显微镜成像　　电子显微镜最早出现在1931年，从设计之初就是为了试图获得高分辨率的病毒图像。通过电子束打击样本获得电子的反射而获取样本的图像。而图像的分辨率与电子束的速度和入射角度相关。通过加速的电子束照射特殊处理过的样品表明，电子束反射，并被探测器接收，并成像从而获得图像信息。具体做法是，将样品迅速至于超低温(液氮环境)下并固定在很薄的乙烷(或者水中)，并置于样品池，在电子显微镜下成像。图像获得后，通过分析图像中数量众多的同一种蛋白质在不同角度的形状，进行多次的计算机建模从而可以获得近原子级别的精度(最低可以到2.0埃)。　　Cyro-EM解析TRPV1离子通道蛋白(图片来源Structure of the TRPV1 ion channel )　　将电子显微镜和计算机建模成像结合在一起的大量实践还是在新世纪之后开始流行的。随着捕捉电子的探测器技术(CCD技术，以及后来的高精度电子捕捉、电子计数electron counting设备)的提升，更多的信息和更低的噪音保证了高分辨率的图像。　　近些年来，Cryo-EM被用来解析很多结构非常大(无法用X-ray解析)的蛋白质(或者蛋白质复合体)，取得了非常好的结果。同时，单电子捕捉技术取代之前的光电转换成像的CCD摄像设备，减少了图像中的噪音和信号衰减，同时并增强了信号。计算机成像技术的成熟和进步，也赋予了Cryo-EM更多的进步空间。然而，Cyro-EM与X-ray不同，该方法不需要蛋白质成为晶体，相同的是都需要低温环境来减少粒子束对样品的损害。　　除去介绍的这三种方法以外，计算机建模技术也越来越多地被用在了蛋白质结构解析中。而且新解析的结构也会提高计算机建模的精确度。未来，我们或许能够用计算机构建原子级别的细胞模型，构建在芯片上的细胞。　　蛋白质结构对了解生命体的生化反应、有针对性的药物研发有着重要意义。从1958到如今已经接近60年，蛋白质结构解析得到了较快的发展。然而，在如今DNA测序如此高效廉价的时代，蛋白质和DNA结构解析并没有进入真正高速发展阶段，这也导致了在如此多的DNA序列数据非常的今天，结构数据却相对少的可怜。大数据时代的基因组、蛋白质组、代谢组、脂类组等飞速发展的时候，蛋白质结构组也得到了更加广泛的重视。发展高精度、高效的结构解析技术也一直都有着重要意义。未来，蛋白质结构解析，对针对蛋白质的药物筛选，和计算机辅助的药物研究研究不应被低估。未来说不定在蛋白质结构领域有着更多惊喜，让我们拭目以待。 第一届电镜网络会议部分视频回放

项目编号：JSHC-2022121190C2项目名称：东南大学医学与生命科学平台蛋白纯化仪采购预算金额：96.0000000 万元（人民币）采购需求：东南大学医学与生命科学平台采购蛋白纯化仪一套，主要功能要求如下：可以进行生物大分子的范例纯化，已知和未知蛋白质的纯化，蛋白质的结构动力学药物作用靶点研究，药物蛋白的分离，蛋白质工程药物的合成，蛋白质的定性，基因表达产物的分离。主要技术要求如下：蛋白纯化系统主机部分系统泵：精确的全自动微量柱塞泵，双泵四泵头，每个泵头都有独立除气阀。流速：0.001-25ml/min；装柱可以双泵模式运行，达到0.1–50ml/min。压力范围：0–20 MPa (200bar，2900 psi)；梯度流速范围：0.5-25ml/min。具备恒压调速功能，自动根据压力调节流速输出，使压力保持稳定。项目编号：JSHC-2022121193C7项目名称：东南大学医学与生命科学平台蛋白质稳定分析仪采购预算金额：43.0000000 万元（人民币）采购需求：东南大学医学与生命科学平台采购蛋白质稳定分析仪一套，主要技术要求如下：（1）适用范围：可分析任意类型的蛋白样品：病毒颗粒、膜蛋白、标签蛋白、酶、抗体、激酶、多聚复合物等。（2）样品数量：≥6 个（3）测量时间：≤3 分钟（4）样品消耗量：≤10 µL合同履行期限：详见采购文件本项目( 不接受 )联合体投标。

蛋白质分析仪一种用于定量测定蛋白质含量的仪器，广泛应用于生物医学研究、药物开发和临床诊断等领域。检测精度是衡量蛋白质分析仪性能的重要指标，影响检测精度的因素有很多，本文将详细探讨这些因素及其对检测精度的影响。　　一、检测精度的基本概念　　检测精度是指仪器在测量过程中，测量值与真实值的一致程度。精度越高，说明测量结果越接近真实值。检测精度通常用相对误差、误差和标准偏差等指标来衡量。　　二、影响检测精度的主要因素 　　1.仪器性能　　-蛋白质分析仪的性能直接影响其检测精度。仪器的分辨率、灵敏度、线性范围和稳定性等参数对其精度有重要影响。高质量的仪器通常具有更高的检测精度。　　2.操作规范　　-操作规范与否对检测精度有很大影响。操作人员需严格按照仪器的操作规程进行操作，确保每一个步骤都符合要求，避免因操作不当引起的误差。　　3.样品准备 　　-样品的准备工作，如样品的采集、处理和储存等，对检测精度也有重要影响。样品的代表性、纯净度和稳定性等因素都会影响较终的检测结果。　　4.环境条件　　-环境条件，如温度、湿度、气压和振动等，对检测精度有显著影响。仪器在不同的环境条件下可能表现出不同的性能，因此需要在适宜的环境下使用仪器，以确保检测精度。　　5.校准与标定　　-定期校准与标定是确保仪器检测精度的重要措施。通过校准，可以消除仪器在使用过程中由于漂移、老化等因素引起的误差，确保测量结果的准确性。　　6.仪器维护　　-仪器的日常维护与保养对检测精度也有重要影响。定期清洁、检查和更换仪器的易损部件，可以延长仪器的使用寿命，保持其良好的工作状态，从而提高检测精度。 　　三、提高检测精度的方法　　1.选择高性能的仪器　　-根据具体的检测需求，选择性能优良、精度高的仪器，以确保检测结果的准确性。　　2.严格遵循操作规程　　-操作人员需经过专业培训，掌握仪器的操作要领，严格按照操作规程进行操作，避免因操作不当引起的误差。　　3.规范样品准备　　-样品的采集、处理和储存需按照相关标准和规范进行，确保样品的代表性和稳定性，避免因样品问题引起的误差。　　4.控制环境条件　　-在使用仪器时，尽量选择适宜的环境条件，避免在异常环境下使用仪器，以确保检测精度。 　　5.定期校准与标定　　-定期对仪器进行校准与标定，消除仪器漂移、老化等因素引起的误差，确保仪器的测量精度。　　6.加强仪器维护　　-定期对仪器进行清洁、检查和维护，确保仪器处于良好的工作状态，延长其使用寿命，提高检测精度。　　总之，蛋白质分析仪的检测精度受多种因素的影响，通过科学合理的管理和操作，可以显著提高其检测精度和应用效果。在实际应用中，应根据具体情况，采取有效的措施，确保仪器的较佳性能和应用效果。

大家好，本周为大家分享一篇发表在Nat. Struct.上的文章，Towards a structurally resolved human protein interaction network，该文章的通讯作者是瑞典斯德哥尔摩大学的Petras Kundrotas、Arne Elofsson和欧洲分子生物学实验室的Pedro Beltrao。蛋白质-蛋白质相互作用（PPIs）的表征对于理解形成功能单位的蛋白质组和细胞生物学研究的基础是至关重要的。同时，蛋白质复合物的结构表征是理解蛋白质的功能机制、研究突变的影响和研究细胞调控过程的关键步骤。最近，基于神经网络的方法已经被证明了准确预测单个蛋白质和蛋白质复合物的结构的能力；然而，其在大规模预测人类复杂结构中的应用尚未得到有效测试。在此，本文测试了应用AlphaFold2在预测人类蛋白质相互作用结构上的潜力和局限性，并通过实验提示了界面残基中潜在的调节机制。除此之外，本文还提供了使用预测的二元复合物来构建高阶组装的案例，以此拓展了对于人类细胞生物学的理解。人类蛋白质相互作用的结构预测本文基于AlphaFold2的FoldDock管道对65484对来源于HuRI与hu.MAP V.2.0数据库中实验测定的PPIs的结构进行预测。文章合并了一个pDockQ分数，该分数可以根据置信度对模型进行排序。结果显示，已知相互作用蛋白的pDockQ往往高于随机集；对于hu.MAP数据集显示出平均比HuRI数据集更高的可信度，这表明，高可信度模型集中在具有高亲和力和直接相互作用的蛋白质相互作用区域。实验表明，AlphaFold2可以预测大型复合物中直接相互作用的蛋白对的结构（图1）。图1 | AlphaFold2复合物预测在大规模人类PPIs数据集上的应用影响预测置信度的特征如图1a所示，相较于HuRI和hu. MAP数据库中的蛋白质对，出现在蛋白质数据库（PDB）中的蛋白质对更加富集于高分模型部分。为了更好地理解这种差异，本文首先研究了一个由大型（10链）异质蛋白复合物构建的额外数据集。通过实验，结果显示直接相互作用对与间接相互作用对之间pDockQ分数的差异是显著的，这表明与间接相互作用对相比，即使直接相互作用对是大型复合体的一部分，也往往能够被预测。除此之外，由于HuRI数据库中的许多蛋白质间相互作用很可能是短暂的，而AlphaFold2无法可靠地预测这种相互作用（图2）。图2 | 影响预测置信度的蛋白质和相互作用特征：不同数据集的分析预测的复合物结构在化学交联上的验证化学交联结合质谱分析是一种识别蛋白质对中邻近的活性残基的方法，可以用来帮助确定可能的蛋白质界面。为了确定预测的复合物结构是否满足这种正交空间约束，本文获取了528对具有预测模型的蛋白质对的残基对的交联集合。在此章节中，文章提供了多个案例证明了化学交联验证的有效性（图3）。图3 | 对于预测复合物模型的化学交联支持复合物界面上与疾病相关的错义突变与人类疾病相关的错义突变可以通过多种机制改变蛋白质的功能，包括破坏蛋白质的稳定性、变构调节酶活性和改变PPIs。为了确定预测结构的有效性，本文汇编了一组位于界面残基上的突变，这些突变之前曾被实验测试过对于相应相互作用的影响。文章使用FoldX预测突变时结合亲和力的变化，并观察到破坏相互作用的突变强烈影响了结合的稳定性；另外，本文就在一系列生物学功能中具有界面疾病突变的蛋白质网络簇进行了举例说明（图4）。图4 | 蛋白质复合物界面残基的疾病突变蛋白质复合物界面的磷酸化调节蛋白质磷酸化可以通过改变修饰残基的大小和电荷来调节结合亲和力来调节蛋白质的相互作用，将磷酸化位点定位到蛋白质界面可以为它们在控制蛋白质相互作用中的功能作用产生机制假说。本文使用了最近对人类磷酸化蛋白质组26的鉴定，在高置信度模型中鉴定出了界面残基上的4,145个独特的磷酸化位点。实验表明，某些界面可能受到特定激酶和条件的协调调控。虽然不是所有界面上的磷酸位点都可能调节结合亲和力，但这一分析为特定扰动后的相互作用的潜在协调调控提供了假设（图5）。图5 | 界面残基上磷酸化位点的协同调控来自二元蛋白质相互作用的高阶组装蛋白质既能够同时与多个伙伴相互作用组成更大的蛋白复合物，又能够在时间和空间上分离。这也反映在文章的结构特征网络中，即蛋白质可以在群体中被发现，如蛋白质相互作用全局网络视图所示（图6）。由于使用AlphaFold2预测更大的复合物组装可能受到计算需求的限制，文章测试了蛋白质对的结构是否可以迭代结构上对齐。文章在上述网络中覆盖的一组小的复合物上测试了这一过程，并将一个实验确定的结构与预测的模型进行对齐，展示了该过程的潜力和局限性。受测试例子的鼓励，本文定义了一个自动化过程，通过迭代对齐生成更大的模型。总之，文章发现可以迭代地对齐相互作用的蛋白质对的结构来构建更大的组装，但同时也发现了目前限制这一过程的问题。图6 | 对高阶组装的蛋白质复合物的预测结论本文通过一系列的实验评估了应用AlphaFold2预测已知人类PPIs的复杂结构的潜力与局限性。分析结果表明，由亲和纯化、共分馏和互补的方法组合支撑的蛋白质相互作用能够产生更高置信度的模型。文章证明，可以使用模型指标（如pDockQ评分）对高置信度模型进行排序，为大规模PPIs和稳定复合物的详细研究提供支持；而来自交联质谱实验的数据为进一步验证这些预测提供了理想的资源。除此之外，本文用疾病突变和磷酸化数据证明了蛋白质界面的结构模型对于理解分子机制以及突变和翻译后修饰的影响至关重要；最后，文章提出了从预测的二元配合物出发构建更大的组件结构模型的想法。后续仍需要更多的工作来确定确切的化学计量学，设计方法和评分系统来构建如此更大的复杂组件，以及预测具有弱和瞬态相互作用的蛋白质之间的相互作用。参考文献(1) Burke DF, Bryant P, Barrio-Hernandez I, et al. Towards a structurally resolved human protein interaction network [published online ahead of print, 2023 Jan 23]. Nat Struct Mol Biol. 2023 10.1038/s41594-022-00910-8. doi:10.1038/s41594-022-00910-8

近日，中国科学院武汉物理与数学研究所研究员唐淳课题组利用基于973重大科学研究计划“蛋白质动态学研究的新技术新方法”建立的研究技术，协助华中农业大学教授殷平课题组首次解析了N6腺嘌呤甲基转移酶METTL3-METTL14蛋白复合体结构，该研究成果发表于《自然》杂志。　　该工作揭示了RNA N6腺嘌呤甲基化修饰过程中的结构基础，是表观遗传学领域的一项重大突破。唐淳、武汉物数所副研究员龚洲和博士后刘主参与该项目，利用课题组发展的新技术新方法，通过结合小角X光散射与计算机模拟的手段，为该蛋白复合体的结构解析提供了研究方法上的帮助。　　经过近3年的努力，唐淳课题组发展、建立了包括核磁共振波谱、小角X光散射、化学交联质谱分析、单分子荧光检测和成像等技术在内的多种生物物理化学手段，并开发相应的整合计算方法，用于蛋白质动态结构及其转换过程的研究。课题组除了完成自身的科研项目外，积极开展广泛的合作与交流，与国内外同行共享研究技术和方法。目前，得益于“蛋白质动态学研究的新技术新方法”项目的实施，课题组已助力多个重要蛋白质结构的解析，取得了一系列的研究成果，研究成果发表于《自然—化学生物学》、eLife 等国际一流杂志。

布鲁克在第64届美国质谱年会(ASMS 2016)宣布推出布鲁克HDX Solution —氢氘交换解决方案。BHDX解决方案将LEAP H/D-X PAL自动样品处理系统与布鲁克maXis II ETD UHR-QTOF质谱系统以及HDExaminer软件相结合，提供了一套自动可靠的HDX-MS工作流。Bruker HDX解决方案通过H/D比值获得单一同位素精确定量分析结果，为深入了解生物分子结构提供可靠依据。　　这些年来，生物制药表征分析需要对生物蛋白的空间构象有更加深入的了解，还要了解多种因素如pH值、温度和压力等对蛋白的影响。对于这一挑战，HDX-MS已经成为了一种有价值的分析技术。生物制药分析方法需要运用强大的分析统计工具，自动化的提供高质量数据。HDX-MS已成为生物制药领域的常规而可靠的分析方法。　　关键结构的鉴定、药物/蛋白的解析以及蛋白之间相互作用、蛋白质构象变化等是目前生物治疗发展过程中面临的关键问题。Bruker HDX解决方案使得液相分离和MS/MS检测自动化，简化数据分析和解析工作，并能获得可靠的蛋白结构解析结果。　　布鲁克道尔顿生物制药副总裁Bob Galvin博士评论说：“最新Bruker HDX解决方案的推出，进一步加强了布鲁克生物表征产品系列，使得生物制药领域的研究者能够更快、更准确的深入了解到蛋白质构象和相互作用。”关于HDX解决方案　　Bruker HDX解决方案提供了完整的工作流程，将LEAP H / DX PAL自动进样器应用于预定标记实验，并结合了UHPLC系统与高分辨质谱系统。maXis II ETD UHR-QTOF质谱系统的质量准确度达到ppm级以下，高灵敏度与同位素保真度提高了系统获取准确H/D比值的能力。再加上HDX-MS解析软件Sierra Analytics HDExaminer的应用，创造了更大的应用空间与简便的应用环境。LEAP H / DX PAL自动进样器与maXis II ETD UHR-QTOF质谱系统　　在市场处于领先的超高质量分辨率QTOF质谱与ETD(电子转移解离)能力结合，开创了布鲁克maXis II系统HDX-MS实验的新纪元。比起在肽段水平的研究，在更微量水平的探索能更容易的提供特异性识别位点。LEAP H/D-X PAL自动进样设备将稳健可靠的样品处理整合到布鲁克HDX 解决方案。革新的时间安排软件能够自动安排样品处理步骤，包括贴标签、培养、消化和灭活等，提高LC的效率与整个实验室效率。　　用HDExaminer软件获得的信息可用于研究在干扰状态下蛋白质的构象变化。通过数据输出，有关这些变化的数据信息可被容易的可视化，也可通过导入如PyMol的晶体结构可视化程序更深入的了解这些变化。　　海德堡大学分子生物学中心的Matthias P. Mayer教授表示：“通过布鲁克HDX解决方案，我们能够以高精度、高重复性和最小的动手时间测量氢交换反应动力学。系统的自动安排软件帮助我们充分利用仪器使用时间，从而提高我们的实验室效率”编译：郭浩楠

p　　据仪器信息网编辑最新获悉，牟一萍女士目前已加盟蛋白质分析仪器及相关耗材设计制造商AES (Advanced Electrophoresis Solutions Ltd.)，并担任该公司联席首席执行官(Co-CEO)一职，同时还成为了AES公司董事会成员。/pp style="text-align: center "img style="width: 450px height: 328px " title="QQ截图20160329092644.jpg" border="0" hspace="0" vspace="0" src="http://img1.17img.cn/17img/images/201603/insimg/da3c305a-524a-4b46-968f-1226ed553929.jpg" width="450" height="328"//ppspan style="font-size: 16px "　　/spanspan style="font-size: 16px "作为一名成功的职业经理人，牟一萍女士拥有超过20年的生命科学企业领导经验。不久前，她曾在GE医疗集团生命科学事业部担任大中华区总经理一职，在此任职期间大中华区销售额保持了两位数增长的强劲速度，实现了年销售额超过2亿美元。在此之前，她还曾担任安捷伦科技全球副总裁兼生命科学和化学分析事业部大中华区总经理；在她的带领下，安捷伦科技大中华区在不到10年的时间内营业收入从5000万美元攀升至5亿美元，并成为了该公司在全球业务上增长最快的地区；牟一萍女士不仅擅于推动业务的有力增长，还建立了以客户为中心的企业文化，并打造了优秀的售前售后服务团队。/span/ppspan style="font-size: 16px "/span　　对于牟一萍女士的加盟，AES公司创始人兼Co-CEO黄铁民博士表示：“我们非常高兴和幸运牟一萍女士在这个重要时刻加入AES。AES在蛋白质分析仪器系统和全系列CEInfinite产品线的开发及商品化方面投入了巨大精力，接下来我们需要对公司业务的未来发展采取进一步措施，相信牟一萍女士的领导能力和丰富的销售及市场营销技巧将把我们的业务推向新的高度。”/pp　　对此，牟一萍女士则谈到：“我一直在寻求带给客户新的技术。AES是一个充满活力和创新的公司，它已经开发出了蛋白质iCIEF分离和质谱耦合技术，这是生命科学行业一直在寻找的独特解决方案。AES是目前全球唯一能够提供这种专利技术的公司，我非常期待与大家一起合力促进AES技术的广泛应用，我期待由此带来的挑战与机遇。”/ppstrong关于AES/strong/pp　　AES公司位于加拿大安大略省，是一家致力于为客户提供全柱成像检测毛细管电泳系统、试剂和耗材的公司。其最新推出的新一代毛细管电泳仪系统——毛细管电泳等电聚集-全柱成像检测技术（cIEF-WCID），用户借助cIEF-WCID技术，复杂蛋白质的分离和 pI点的测定变得异常轻松。该技术将成为蛋白质药物和抗体药物研发和质量控制、蛋白质组学基础研究和生物相互作用机制探索的强有力工具，同时也是食品安全中功能蛋白检测、育种、奶制品、肉类等最新的技术手段。/pp style="text-align: right "strong编辑：刘玉兰/strong/p

蛋白质是细胞功能的执行者，是一切生命的物质基础。然而人们对蛋白质和蛋白质组的了解还远远不够，蛋白质分析被认为是一项复杂而艰巨的任务。2015年是蛋白质领域的关键一年，有可能决定着蛋白质分析的未来走向。　　1.人类蛋白互作图谱取得更大的成果。最近Cell杂志上发表了一项大规模的蛋白质研究，科学家们鉴定了一万四千个蛋白相互作用，获得了迄今为止最大规模的人类蛋白互作图谱。他们计划将在未来六年中逐步完成人类基因组的全部互作图谱。这种图谱可以帮助人们更全面的了解人类互作组，进一步理解疾病的发生和发展。对新发现的蛋白互作进行研究，能够揭示基因型和表型之间的真实关系。我们期待在2015年看到这类研究结出更多硕果。　　2.人造环境为蛋白质分析提供便利。今年八月Roy Bar-Ziv及其同事在Science杂志上发表文章，展示了以微流体DNA隔室为基础的人造细胞。这些二维的人造细胞可以实现预编程的蛋白合成、代谢和通讯，是一种非常灵活的蛋白合成系统。研究显示，人造细胞能够更好的模拟蛋白表达的动态模式，维持蛋白信号的梯度。人们可以利用这一系统来评估蛋白质的活性和相互作用，这种方法将对蛋白质功能研究产生重要的影响。　　3. 一个时代的终结&mdash &mdash 蛋白质结构计划PSI收官。PSI项目在运行了十五年后，正逐步走向自己的终点。PSI项目已经确定了六千三百多个蛋白结构，为蛋白质分析做出了重要的贡献。那些为PSI而建的高通量蛋白生产中心可能会继续维持下去，给其他结构生物学实验室使用。结构生物学家们也可能启动与数据处理有关的中、大型项目，作为PSI的延续。　　不管怎样，对于蛋白质领域来说明年都是特别的一年，研究者们需要决定PSI之后的前进方向。我们希望未来能有更多类似人类互作组图谱的大型项目，增进我们对蛋白质结构和功能的理解。

总有机碳TOC一般理论所有TOC分析仪都具备两种功能：将水中有机碳氧化成二氧化碳CO2，并测量所产生的CO2。TOC可用于对未正确清洁的设备中的杂质和残留物进行定量，以及检测所有含碳化合物：药物活性成分 （Active Pharmaceutical Ingredients， API）、清洁剂、蛋白质和中间产物。用来测量TOC的分析技术有着相同的目标：把有机分子完全氧化成CO2，检测所生成的CO2，并以碳浓度表示。所有方法都必须区分无机碳和有机碳，无机碳可能来自水中溶解的CO2和重碳酸盐，而有机碳则是由样品中有机分子氧化而成的。总碳（TC）是有机碳与无机碳之和，因此测得的总碳（TC）减去测得的无机碳（IC）的值就是TOC：TOC=TC–IC。各种TOC测定仪的不同之处在于氧化样品水中有机物的方法，以及检测样品中所生成CO2浓度的方法。不同的检测方法对样品分析的准确度有很大影响，进而影响清洁验证检测程序。TOC氧化技术市面上所有TOC测定仪都使用以下两种方法之一来氧化有机化合物并将之转换为CO2气体：燃烧法，或紫外（UV）+过硫酸盐法。燃烧技术使用氮气、氧气或空气流，温度在600°C以上。燃烧方法在氧化步骤中也使用催化剂。该类方法中常用的催化剂有氧化铜、氧化钻或铂。UV过硫酸盐氧化方法利用UV光使有机物完全氧化为CO2。将样品暴露在设备内汞蒸汽灯的UV光之下，将样品内的有机物转化为CO2气体。对于浓度大于1 ppm的样品或化合物 ，则在样品流中加入过硫酸盐并混合均匀，从而利用接受照射的样品生成的负价氢氧（HO-）基来确保氧化过程顺利进行。过硫酸盐是一种强氧化剂，在UV辐射下生成硫酸盐和氢氧基，可将有机化合物完全氧化为CO2。TOC检测方法为检测CO2浓度，分析仪器需要使用检测方法以区分样品中的CO2和其他分子。现有两种检测方法：非色散红外（Non-Dispersive Infrared， NDIR）或电导检测。用于气体测量的NDIR技术依靠各种气体在红外光谱范围内的能量吸收特征来判别分子类型。运用NDIR技术的TOC测定仪使红外线穿过两根完全相同的导管射入检测器。第一个导管作为参比池，充满无红外吸收的气体，如氮气。第二个导管（池）用于气体样品的测量。电导检测方法使用电导传感器，通过计算电导率确定CO2的浓度。为计算TOC，水溶液通过两个电导传感器，其中一个检测总碳（TC）浓度而另一个检测无机碳（IC）浓度。根据检测结果，计算出样品的TOC浓度。NDIR方法可对含碳范围在0.004–50,000 ppm的样品进行定量，而电导率法可以进行十亿分之一（part per billion, ppb）级的定量。总体而言，NDIR和电导率检测器对于低浓度的TOC有足够的灵敏度，但会受到离子干扰。使用只允许CO2选择性透过的半透膜可减轻此因素的影响。Sievers TOC技术与众不同的特点结合使用UV过硫酸盐氧化与独特的选择性CO2膜技术，是Sievers系列TOC分析仪优于常规TOC技术（如燃烧 NDIR技术）的众多要素之一。Sievers技术能持续为用户提供更为精确的TOC读数。在Sievers基于选择性膜的电导方法中，CO2传送模块中的选择性CO2膜可阻止离子进入，在使CO2无阻通过的同时，排除了干扰化合物和氧化副产物。选择性CO2膜消除了背景干扰，并防止非碳基化合物和副产物聚集。清洁验证是一项充满挑战的工作，因为各种样品的TOC浓度有时是未知的，因此很难达到最佳分析条件。以下几个优点确保了UV过硫酸盐+膜电导技术在清洁验证应用中无可比拟的分析结果。试剂自适应功能保证完全氧化为使清洁验证样品完全氧化，Sievers M系列TOC分析仪具有试剂自适应功能，可优化酸和过硫酸盐氧化剂的流量。非催化燃烧方法非催化燃烧方法消除了向燃烧反应器中添加催化剂的定量（根据样品中碳浓度而定）时的人为误差。燃烧氧化方法会产生毒性气体。若清洁验证样品中含氯化物，燃烧可能生成对人体有潜在危害的气体，某些TOC分析仪不吸收这类气体。无需NDIR检测器NDIR检测器需要一定的时间来预热 （30到45分钟），因此造成更多的停工时间和样品积压。NDIR技术需要经常进行校正（每小时或每天），具体时间由清洁验证样品的碳浓度决定。这类检测器经常出现校正漂移现象。校正时间占NDIR仪器运行时间的6%到10%。不用载气NDIR检测器的载气价格不菲，并且泄漏和不稳定的校正经常会引起高TOC背景。载气污染也可能造成检测困难和引起碳的高背景。出色的灵敏度和高回收率Sievers TOC分析仪的电导池由高纯度石英制成，提供更佳的稳定性和0.03 ppb级别的检测。图1和表1从灵敏度和TOC回收率两个方面，就牛血清蛋白（Bovine Serum Albumin, BSA）对Sievers TOC技术与传统燃烧-NDIR TOC技术进行比较。图1. 牛血清蛋白 (BSA) TOC回收百分比对比研究表1. 牛血清蛋白 (BSA) TOC回收百分比对比研究****该对比研究使用完全校准后的仪器。分析之前，先进行并通过系统适应性测试。对两种仪器，制备并使用同一BSA储各溶液。研究在可控的环境中进行；分析期间，仪器未出现偏差。为什么说现在正是改用Sievers TOC分析仪进行清洁验证的时候？HPLC分析很漫长，增加了实验室清洁验证分析所需时间。使用HPLC将导致数小时或数天的停工，造成高额成本并减少提供给患者的产品数量。有例子表明，某些制药企业单日停工损失超过100万美元。表2将Sievers TOC分析仪与燃烧/催化-NDIR和燃烧-NDIR TOC分析仪进行了详细比较，其中包括估算的月运行成本。TOC是一种用于低浓度级别有机化合物检测的、简单快速的分析方法，并且可用于检测无法使用HPLC检测的污染物。与常规方法相比，TOC已被证明可减少75%以上的停工时间和方法验证时间。FDA出台的指导方针——21世纪现行药物生产质量管理规范 （cGMP' s for the 21st Century），旨在加强和更新药物制造规则，使用TOC分析进行清洁验证，与专属性分析方法相比 （如HPLC）在质量和效率上的优势已引发越来越多的关注。表2. TOC方法比较◆ ◆ ◆联系我们，了解更多！

阐明小分子（包括内源性代谢物和外源性化合物）如何发挥调控作用的关键问题之一是小分子的靶标发现和验证，即蛋白质-小分子相互作用研究。蛋白质与小分子的相互作用模式既有较稳定的共价结合，也有瞬时的弱相互作用。如何灵敏、高效地捕获并解析多种类型的蛋白质-小分子相互作用是分析难点。目前，蛋白质-小分子相互作用的分析策略大致可分为两类：一是靶向相互作用研究，以蛋白质（或小分子）为中心，发现并验证与之相互作用的小分子（或蛋白质）；二是非靶向相互作用研究，全面识别多种蛋白质-小分子的相互作用轮廓。应用的具有分析技术包括：表面等离子体共振技术（surface plasmon resonance，SPR）、氢氘交换质谱分析技术（hydrogen deuterium exchange mass spectrometry，HDX MS）、限制性蛋白水解-质谱分析技术（limited proteolysis-mass spectrometry，LiP-MS）、蛋白质热迁移分析技术（cellular thermal shift assay，CESTA）和药物亲和反应靶标稳定性分析技术（Drug affinity responsive target stability，DARTS）等。本期介绍限制性蛋白水解-质谱分析技术（LiP-MS）的原理、技术流程和其在蛋白质-小分子相互作用研究中的应用。1. 原理LiP-MS技术最初由瑞士苏黎世联邦理工学院的Paola Picotti课题组建立 [1] ：利用小分子结合蛋白后相较于原蛋白产生蛋白质空间构象和位阻的变化，经蛋白酶切后形成差异肽段，液质联用分析识别和鉴定差异肽段，基于差异肽段推测蛋白质与小分子的相互作用位点。2. 技术流程在非变性条件下提取蛋白，以保留蛋白活性和空间结构。先使用低浓度（1:100, w/w）蛋白酶K在较低温度（25℃）下短时间内（5 min）对蛋白-小分子复合物进行有限的蛋白酶切。蛋白与小分子结合后，相互作用位点存在空间位阻，从而避免被蛋白酶K切割，由此产生差异肽段。随后进行蛋白变性和胰酶酶切，蛋白质组分析识别和鉴定差异肽段，基于差异肽段所处位置预测蛋白质与小分子的相互作用位点（图1）。图1 限制性蛋白水解-质谱分析（LiP-MS）技术流程 [2]3. 试验试剂和分析仪器3.1 蛋白抽提：可依据实际目的和细胞类型选择不同的细胞/组织裂解液，如RIPA、N-PER、M-PER等，进行细胞/组织蛋白抽提，获得的细胞/组织全蛋白提取物可直接与目标小分子共孵育。3.2 蛋白酶切：关键的蛋白酶切试剂，例如蛋白酶K、胰酶等均有市售。3.3 分析仪器：目前多种类型的液相色谱-高分辨质谱联用仪均可用于蛋白质组学分析，已应用于LiP-MS的高分辨质谱仪包括，布鲁克、赛默飞、沃特世和SCIEX等品牌的飞行时间质谱、轨道阱质谱和傅里叶变换离子回旋共振质谱等。4. 应用实例研究人员基于LiP-MS技术在大肠杆菌中探索多种内源性代谢物和蛋白的相互作用模式 [1]，先采用凝胶过滤法除去大肠杆菌全蛋白提取物中的内源性代谢物，获得大肠杆菌全蛋白；随后将大肠杆菌蛋白与20个中心碳代谢相关的关键内源性代谢物（三磷酸腺苷、二磷酸腺苷、烟酰胺腺嘌呤二核苷酸、磷酸烯醇式丙酮酸、6-磷酸葡萄糖、果糖-1,6-二磷酸、丙酮酸、谷氨酰胺、甲硫氨酸等，见图2A）分别共孵育。基于LiP-MS流程发现，上述20个内源性代谢物可与大肠杆菌中1678个蛋白发生潜在相互作用，其中1447个相互作用是首次发现的（图2B）。作者将所发现的相互作用与在线数据库BRENDA对比（主要涉及酶的功能和代谢通路等信息），证明LiP-MS技术能够准确地识别已报道的蛋白-内源性代谢物相互作用，假阳性率低于6 %。图2 20个与中心碳代谢相关的关键内源性代谢物（图A）及其在大肠杆菌中发生相互作用的蛋白数量（图B）[1]参考文献：[1] Piazza, I., Kochanowski, K., Cappelletti, V., Fuhrer, T., Noor, E., Sauer, U., Picotti, P. A map of protein-metabolite interactions reveals principles of chemical communication. Cell, 2018, 172(1-2), 358-372.[2] Pepelnjak M, Souza N D, Picotti P. Detecting Protein–Small Molecule Interactions Using Limited Proteolysis–Mass Spectrometry (LiP-MS). Trends in Biochemical Sciences, 2020, 45(10), 919-920.

ESM宏基因组图谱数据库包含6.17亿个蛋白质的结构预测。(图片来源：ESM宏基因组图谱)　　英国人工智能(AI)公司DeepMind今年公布了2.2亿个蛋白质的预测结构，几乎涵盖了DNA数据库中已知生物的所有蛋白质。现在，另一个科技巨头正在填补蛋白质宇宙中的暗物质。　　美国Meta公司(前身为Facebook)的研究人员使用人工智能预测了约6亿个蛋白质的结构，这些蛋白质来自细菌、病毒和其他尚未被表征的微生物。相关研究11月1日发表于预印本网站BioRxiv。　　“这些是非常神秘的蛋白质，为深入了解生物学提供了可能性。”Meta人工智能蛋白质团队研究负责人Alexander Rives说。　　该团队使用“大型语言模型”生成了这些预测。“大型语言模型”是一种人工智能，可作为通过几个字母或单词预测文本的工具的基础。　　通常语言模型是在大量文本的基础上进行训练的。为了将其应用于蛋白质，Rives团队将已知蛋白质序列“喂”给它们，这些蛋白质由20个不同的氨基酸链表示，每个氨基酸链由一个字母表示。然后，该模型学会了在氨基酸比例模糊的情况下“自动补全”蛋白质。　　Rives说，这种训练使模型对蛋白质序列有了直观的理解，蛋白质序列包含了蛋白质形状的信息。　　第二步，受DeepMind开创性蛋白质结构人工智能算法AlphaFold的启发，模型将这种洞察力与已知蛋白质结构和序列之间关系的信息相结合，从蛋白质序列中生成预测结构。　　今年夏天早些时候，Rives团队报告称，其模型算法名为ESMFold，虽准确性不如AlphaFold，但在预测结构方面要快60倍左右。“这意味着我们可以将结构预测扩展到更大的数据库中。”Rives说。　　作为一个测试案例，研究团队决定将模型应用于大规模测序的“宏基因组”DNA数据库，这些DNA来自环境，包括土壤、海水、人类肠道、皮肤和其他微生物栖息地。绝大多数编码潜在蛋白质的DNA条目来自从未被培养过的生物，也不为科学家所知。　　Meta团队总共预测了超过6.17亿个蛋白质的结构，这项工作只花了两周时间。Rives表示，预测是免费的，任何人都可以使用，就像模型的底层代码一样。　　在这6.17亿个蛋白质结构中，该模型认为超过1/3的预测是高质量的，因此研究人员可以确信蛋白质的整体形状是正确的，在某些情况下，模型可以识别更精细的原子级细节。值得一提的是，其中数以百万计的结构都是全新的，与实验确定的蛋白质结构数据库，或从已知生物体预测的AlphaFold数据库中的结构都不同。　　AlphaFold数据库的很大一部分是由几乎相同的结构组成，而宏基因组数据库则涵盖了以前从未见过的蛋白质宇宙的很大一部分。　　哈佛大学进化生物学家Sergey Ovchinnikov对ESMFold做出的数亿个预测表示怀疑。他认为，有些蛋白质可能缺乏确定的结构，而另一些可能是非编码DNA，被误认为是蛋白质编码材料。　　德国慕尼黑工业大学计算生物学家Burkhard Rost对Meta公司模型的速度和准确性的结合印象深刻。但他质疑，宏基因组数据库预测蛋白质是否真的比AlphaFold的精确度更高。基于语言模型的预测方法，更适合快速确定突变如何改变蛋白质结构，这是AlphaFold无法做到的。　　据DeepMind的一位代表说，该公司目前没有在其数据库中进行宏基因组结构预测的计划，但不排除在未来这样做的可能性。　　韩国首尔国立大学计算生物学家Martin Steinegger认为，利用这类工具的下一步，显然是研究生物学中的暗物质。“这些宏基因组结构的分析很快就会出现爆炸式增长。”　　相关论文信息：　　https://doi.org/10.1101/2022.07.20.500902

园区微晶体结构研究站 园区荧光激发细胞分选仪 海科路园区设施 科研人员研究大分子复合体　　7月28日上午，全球生命科学领域首个综合性大科学装置——蛋白质科学研究(上海)设施(以下简称“上海设施”)在上海通过国家验收。中国科学院院长白春礼、上海市市长杨雄、国家发改委副主任林念修等出席验收会。　　据介绍，作为国家重大科技基础设施项目之一的上海设施，主要围绕蛋白质科学研究的前沿领域和我国生物医药、农业等产业的发展需求，建设高通量、高精度、规模化的蛋白质制取与纯化、结构分析、功能研究等大型装置，实现技术与设备的集成化、通量化和信息化。目前已建成用于蛋白质结构研究的9大技术系统。　　验收委员会认为，上海设施建成了国际一流的蛋白质科学研究支撑体系，是全球生命科学领域以各种大型科学仪器和先进技术集成为核心的首个综合性大科学装置，其总体指标达到国际先进水平，部分指标达到国际领先水平。　　白春礼表示，建设设施不是最终的目的，吸引全国和全世界的优秀科学家来从事高水平科研工作、产出重大科技成果才是应该致力追求的目标。上海设施要成立设施科技委员会和用户委员会，建立科学民主开放的课题遴选制度，不断扩大设施开放共享。　　据统计，上海设施2014年5月开放试运行，截至2015年7月，各系统累计运行5万多小时，共执行用户课题500多个 服务60多家单位，以中科院和高校科研机构为主，覆盖北京、上海、香港等地 同时吸引了一批国际药企和国内外优秀科学家开展前沿课题研究。用户使用上海设施的设备和服务做出了一系列重要成果，有多项研究成果发表在Nature、PNAS等高水平国际学术刊物上。

近日，连化物所生物分子结构表征新方法研究组（1822组）王方军研究员、刘哲益副研究员团队与西南交通大学封顺教授团队合作，利用我所自主搭建的高能紫外激光解离—串联质谱仪器，揭示了质子化氨基酸侧链的正电荷在电喷雾离子化过程中影响蛋白质结构的分子机制，为质谱精确表征蛋白质高级结构提供了参考。非变性质谱（nMS）是研究蛋白质及其复合物组成和高级结构的前沿质谱技术。在nMS分析中采用生物兼容溶液和非变性电喷雾离子化将蛋白质从液相转移至气相并保持高级结构和相互作用。然而带正电荷的质子化氨基酸侧链在失去水分子的溶剂化稳定作用后，会与空间接近的蛋白骨架羰基形成氢键，通过分子内溶剂化稳定侧链正电荷。虽然有报道通过离子迁移—质谱检测到了分子内溶剂化引起的蛋白质碰撞截面积变化，但是对其发生的具体位点和引起结构变化的区域仍然缺乏有效分析手段进行精确表征。在本工作中，研究团队利用我所自主搭建的高能紫外激光解离—串联质谱仪器和蛋白质光解离质谱数据处理软件系统，通过蛋白质紫外光解离碎片离子的价态分布和位点解离碎片产率分析，探测到肌红蛋白带电残基侧链分子内溶剂化的具体位点，以及对蛋白质结构影响的区域位置。团队系统表征了不同价态（质子化数目）下的蛋白质结构差异，发现高电荷价态下蛋白质气相结构易受分子内溶剂化效应的影响而偏离溶液态结构，低电荷蛋白质离子的气相结构更加接近溶液状态。研究团队进一步证明，冠醚18C6与蛋白质带电侧链的络合主要发生在溶液中，随后在电喷雾离子化过程中起到稳定蛋白质结构的作用。紫外激光解离质谱分析揭示冠醚主要结合在蛋白质离子的高电荷密度区域，通过阻断带电侧链的分子内溶剂化使蛋白质气相结构更加接近溶液状态。相关研究结果展示了高能紫外激光解离质谱在同时获取蛋白质序列和动态结构信息中的显著优势，为nMS表征中蛋白质溶液结构的保持和高效表征提供了重要的理论和技术参考。近年来，我所王方军和肖春雷研究员通过交叉学科联合创新攻关，在大连相干光源搭建了高能紫外激光解离—串联质谱实验线站，兼容50-150nm极紫外自由电子激光和193nm准分子激光解离模式，已在多肽（Anal. Chim. Acta，2021）、蛋白质（Cell Chem. Biol.，2022）、金属团簇（J. Phys. Chem. Lett.，2020；Sci. China Chem，2022）等大分子体系的解离和结构表征中取得了系列研究成果。相关研究成果以“Ultraviolet Photodissociation Reveals the Molecular Mechanism of Crown Ether Microsolvation Effect on the Gas-Phase Native-like Protein Structure”为题，于近日发表在《美国化学会志》（Journal of the American Chemical Society）上。该工作的共同第一作者是我所1822组联合培养硕士研究生周伶强和刘哲益。

p style="text-indent: 2em "RedShift™ BioAnalytics公司推出了一款新型蛋白质表征平台——AQS3® PRO，这一平台结合了强大的、高度集成的自动化生物分析软件，为生物医疗行业带来了高灵敏度的光谱分析。/pp style="text-indent: 2em "用户通过这一平台可以观察浓度范围在0.1至200 mg/mL的蛋白质二级结构变化，并能进行集成性、可量化、稳定的结构检测和相似性检测，为用药的安全性和有效性提供重要支撑。它能够提供多种属性的测量，减少甚至消除了使用不同工具进行各种单一属性测量的需要。此外，AQS3pro还具有先进的自动化多样本分析功能，大大简化了生物医疗产业的分析工作流程。/pp style="text-indent: 2em "RedShift™ BioAnalytics公司的首席技术官Eugene Ma表示：“ AQS3prois是生物物理表征领域的一项重大进展——将红外光谱应用在生物医疗领域的诊断分析上。这一平台是我们内部一流研发团队与大量行业专家、学术专家倾力合作的结晶。其检测的准确性、重复性和重现性已在数百个样本中得到验证，这些样本包含有数千种尺寸量度的蛋白质。有力的数据支撑和合作伙伴的热情增强了我们对AQS3Pro的信心，我们相信这一成果具有相当大的产业化价值。”/pp style="text-indent: 2em "AQS3Pro新系统使用了RedShift™ BioAnalytics公司的微流控调制光谱学（MMS）专利技术，这一技术将针对微流体的中红外激光光谱分析与先进的信号处理相结合，对蛋白质的二级结构进行测量。它能够在0.01至200mg/mL的浓度范围内对蛋白质直接进行无需标记的测量，在生物医药研发和制造过程经常遇到的各种条件下，无需样品稀释，就可以进行样品表征。其检测是高度自动化的，其多样品检测功能、便捷化操作设置和最先进的生物分析软件进一步提升了检测流程的效率。创新而灵活的分析套件也使得光谱数据的常规分析高度自动化，其先进的检测分析工具能够方便地获得样品的结构性变化，并对这些变化的影响进行深入分析。/pp style="text-indent: 2em "“我与RedShift™ BioAnalytics一直在AQS3PRO的验证性测试中合作。”美国特拉华大学的Christopher Roberts教授说， “这一平台将MMS和红外光谱应用在蛋白质溶液的分析中，让我们能够对多种样本、多种浓度范围蛋白质的二次结构性变化，进行同时的原位量化测量。无论是对从事蛋白质基础性研究的科学家，还是负责生物产品开发的工程师，AQS3PRO都将带来极大的助益。”/p

Synapt™ HDMS™ 质谱分析系统产品发布会在穗盛大召开 2007年8月19 日，上海 - 沃特世公司(NYSE: WAT)在广州珠江帝景酒店召开新产品发布会，正式向中国用户介绍其于今年年初荣获Pittcon最佳新产品金奖的Synapt™ HDMS™ 质谱分析系统（Waters Synapt High Definition MS™ (HDMS) System）。这是第一台基于高效离子淌度测量和分离技术的高性能四极杆-飞行时间质谱仪。此次发布正值第五届中国蛋白质组学大会在穗举行，因此首次亮相的Synapt HDMS吸引了超过110位来自全国各地的蛋白质组学领域的专家和学者。 晚上19点30分，发布会以为产品亮灯作为序幕：四位客席嘉宾应邀上台，与沃特世中国区市场经理陈红女士共同主持这一仪式。在聚光灯的投射之下，白色巨型的Synapt HDMS仿真模型立刻成为全场的亮点。随后，沃特世中国市场总监舒放、亚太总部市场开发经理Mark Ritchie和应用培训经理吴麟堂，以及中国区质谱维修经理葛玉春等几位高层悉数到场进行精彩演讲，并演示了这一新产品所应用的先进技术。 “这是一套很好的产品。众所周知，蛋白质的结构决定其功能。但是，使用普通的质谱仪是不能观察到异构体的，这或多或少会影响检测结果的准确性。” 东北林业大学生命科学学院的李玉花院长说, “而Synapt HDMS的面世可以很好填补这一技术空白，大大丰富了常规质谱力所不能及的独特信息。” 深圳市南山区疾病控制中心柳洁主任也认为，“Synapt HDMS会在很大程度上有利于对离子空间比较结构的分析，在小分子研究、蛋白质解析、代谢物鉴定和生物制药等领域是一个极大突破。因此，这个产品无论是在全球还是中国的相应领域都有着极大的研究应用潜力”。 Synapt HDMS产品发布会在一片愉悦的氛围中圆满结束。沃特世中国市场总监舒放充满信心地表示，Synapt HDMS进入中国市场的策略是坚决的，也是务实的。“这种激动人心的分析手段，将会利用自身的技术优势，帮助相关领域内的研究人员轻松从事所有UPLC/MS/MS的应用分析。” 关于Synapt HDMS质谱 伴随2006年美国质谱年会上推出Synapt HDMS 质谱系统, 沃特世公司成为第一个将高效离子淌度测量与分离技术结合并商业化的公司，同时设计专业操作软件分析样品离子的大小，形状，电荷数及质量。 作为对该质谱系统创新科技的认可，Synapt HDMS 质谱系统在2007年匹茨堡分析仪器展览会上被评为最佳新产品金奖。 另外，行业通讯杂志—《仪器商业展望》也将Synapt HDMS 质谱系统评为2007年匹茨堡大会新产品最高奖。 欲知更多有关Waters Synapt HDMS质谱分析系统的信息，请访问www.waters.com/HDMS。 关于沃特世公司 沃特世公司（股票代码NYSE:WAT） 在全球范围内，通过传递实用，可持续发展的创新技术在人体保健，环境管理，食品安全和水质分析领域建立了商业优势。 拥有整合的分离科学，实验室信息管理，质谱和热分析技术，沃特世公司的技术突破和实验室解决方案为用户的成功提供了保证平台。 沃特世公司2006年收入为12.8 亿美元，在全球拥有4,700 名员工。沃特世公司致力于与全球用户一同推动科学发现并保障产品的卓越性能。 Waters, Synapt, High Definition MS和HDMS是沃特世公司拥有的商标。 媒体查询，请联络： 沃特世科技（上海）有限公司 谢迎锋 小姐 电话：+86 21 54263597 传真：+86 21 64951999 Email：xie_ying_feng@waters.com 网址：www.waters.com www.waterschina.com

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins。该文章的通讯作者是来自北京蛋白质组学研究中心的贾辰熙和Chen Yali研究员。生物活性肽是一类重要的生物分子，通过与蛋白受体相互作用，参与调控多种生物学进程。研究肽-蛋白相互作用对于理解这些功能分子的调节机制至关重要。目前已开发多种方法用于表征肽-蛋白的相互作用，例如通过引入荧光探针在多肽上来监测蛋白-多肽的相互作用，或者将多肽固定在磁珠或其他载体材料上进行进一步的亲和沉淀。然而以上方法都需要对多肽进行修饰，导致多肽的结构发生改变，进一步影响多肽-蛋白相互作用，产生假阳性结果。细胞热转移变分析（CETSA）和热蛋白质组分析（TPP）作为一种无修饰/无标签技术已被广泛用蛋白-配体相互作用研究。当配体与蛋白结合后，蛋白的热稳定性发生了改变，导致熔解曲线(Melting cure)发生位移。通过监测熔解温度的变化(∆Tm)，实现对蛋白-配体相互作用的检测。CETSA以及TPP允许在天然环境下研究分子互作，从而保留了内源性蛋白表达水平、翻译后修饰、局部微环境等生物物理特性。除了改变蛋白质的热稳定性，肽配体与蛋白质受体相互作用还会导致蛋白构象、疏水性和溶剂可及性的改变，一些配体甚至起到生物助溶的作用。所有这些特性的改变会导致研究体系中靶蛋白丰度的变化。这种由肽段配体结合诱导蛋白的丰度改变现象称之为PACTS。而PACTS也可以被合理的利用用于识别与肽段配体结合的靶蛋白。基于此，本文将PACTS与TPP技术相结合用于肽-蛋白质相互作用研究，PACTS可以辅助TPP分析，特别是在TPP分析过程中，由于配体-靶蛋白结合导致靶蛋白丰度降低至质谱检测限以下，无法绘制熔解曲线的情况下，PACTS可以作为另一个重要的监测手段。如图1所示，PACTS辅助TPP分析的实验流程大致如下：将蛋白提取液分成2份，分别与缓冲液（对照组）、肽配体（实验组）孵育，再将孵育后的每组样本等分成10份，在10个不同的温度下加热3 min。加热完成后，离心，收集上清液。利用SDS-PAGE将肽段与蛋白分离并进行胶内酶切。酶切后的肽段随即用TMT 10-plex标记，最后通过LC-MS/LS进行定量分析。将37 °C下对照组、实验组中同一蛋白的丰度变化作为PACTS的衡量指标（蓝框）。将在不同温度下蛋白的相对丰度变化转化为熔解曲线（黑框），实验组相较于对照组，同一蛋白熔解曲线的位移（∆Tm）作为TPP的衡量指标。综合两种方法识别出的靶标蛋白，作为最终的筛选结果。图1. PACTS辅助TPP分析的实验流程图作者首先用标准肽段-蛋白互作对验证了PACTS辅助TPP分析的可行性。如图2所示，右侧为对照组/实验组中靶蛋白在不同温度下丰度变化（Western blot），中间及左侧则是基于Western blot数据生成PACTs以及熔解曲线。对于JIP1-JNK1互作对，PACTS显示没有明显的丰度变化，而熔解曲线则显示发生了位移（图2A）。与之相反的，对于HOXB-AS3-hnRNP A1互作对，PACTS显示出明显的丰度变化，而熔解曲线则由于靶蛋白丰度降至检测限以下而无法绘制（图2B）。以上两个例子都说很好地说明，PACTS和TPP是两种互补的检测手段，使用两种方法同时检测有利用提高结果的准确性。作者还考察了不同细胞环境对蛋白-配体互作的影响（图CD及图EF）。来源于293T细胞的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= 0.5 °C（图E），而来源于Hippocampus的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= -14.4 °C（图F）。这个差异可能是由于孵育时不同的微环境造成的。图2. PACTS辅助TPP分析标准肽段-蛋白互作对。随后，作者将PACTS辅助TPP分析应用到组学层面。Aβ肽是淀粉样斑的主要成分，而淀粉样斑块主要存在于阿尔茨海默症（AD）患者的大脑中。在Aβ肽中，Aβ1-42在介导神经毒性和氧化应激中起关键作用。THP-1细胞类似于小胶质细胞，小胶质细胞功能障碍加速了与年龄相关的神经退行性疾病的进展，如AD。作者利用了PACTS辅助TPP分析研究了THP-1细胞中与Aβ1-42肽段相互作用的蛋白。如图3所示，图3A为PACTS结果，共发现37个蛋白在37 °C下有丰度变化。而TPP结果（图3B）则显示66个蛋白熔解曲线发生了位移。PACTS与TPP的结果具有较小的重合，说明两种方法具有互补性。GO分析表明（图3C），大多数与Aβ1-42相互作用的蛋白存在于细胞外泌体、胞质溶胶和细胞膜中。外泌体在AD中充当双刃剑，一方面，外泌体传播有毒的Aβ肽和过度磷酸化的tau遍及整个大脑，并诱导神经元凋亡。另一方面，它们消除大脑中的Aβ肽并促进其降解。了解Aβ肽与外泌体蛋白之间的相互作用有利于更好的开发AD治疗治疗药物。此外，作者用Western blot的方法进一步确认识别出的靶标蛋白（图D-E）。最后，作者用免疫共沉淀的方法进一步证明靶蛋白与Aβ1-42存在相互作用。图3. PACTS辅助TPP分析与Aβ1-42相互作用的蛋白总之，本文开发一种PACTS辅助TPP的分析方法，可用于大规模组学层面肽段-蛋白质相互作用研究。该方法具有无标记、无修饰的优势，无需额外实验，即可在TPP分析的同时获得PACTS信息。该方法也有助于理解多肽-蛋白质复合物相关的分子调控机制，进一步开发新型治疗药物。撰稿：刘蕊洁编辑：李惠琳原文：PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins 参考文献1.Zhao T, Tian J, Wang X, et al. PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins. Anal Chem. 2022 94(18): 6809-6818. doi:10.1021/acs.analchem.2c00581

p style="text-indent: 2em "12 月 1 日，谷歌旗下的 DeepMind 公司宣布，其strong新一代 AlphaFold 人工智能系统/strong在国际蛋白质结构预测竞赛（CASP）上击败了其余的参会选手，strong精确预测了蛋白质的三维结构/strong，strong准确性可与冷冻电子显微镜（cryo-EM）、核磁共振或 X 射线晶体学等实验技术相媲美。/strong/ppbr//pp style="text-indent: 2em "（详见《解决生物学 50 年来的重大挑战！生物界「AlphaGo」精准预测蛋白质结构》）这一消息引发了全球媒体关注，前 Genentech 首席执行官 Arthur D. Levinson 博士盛赞这一成就是strong「划时代的进步」/strong。/ppbr//pp style="text-indent: 2em "人工智能的「进击」对生物学、对其他学科会有什么影响？网络上有人提出：strongAI 都能解蛋白质结构了，结构生物学家是不是该失业了？/strong/ppbr//pp style="text-indent: 2em "《返朴》总编、结构生物学家颜宁特邀几位同仁对这一新闻各抒己见， 回答大家的疑问。/pp style="text-align: center text-indent: 2em "img style="max-width: 100% max-height: 100% width: 558px height: 618px " src="https://img1.17img.cn/17img/images/202012/uepic/73bb911a-86ca-490b-a90a-f01fb76aa418.jpg" title="微信图片_20201204191414.jpg" alt="微信图片_20201204191414.jpg" width="558" height="618"//pp style="text-align: center text-indent: 2em "span style="font-size: 12px "by Asier Sanz | https://asiersanz.com//span/ppbr//pp style="text-align: center text-indent: 2em "strongAlphaFold2 是个大突破，但我们还有努力的方向/strong/ppbr//pp style="text-align: center text-indent: 2em "张阳/pp style="text-align: center text-indent: 2em "（ITASSER 创造者，美国密歇根大学教授）/ppbr//pp style="text-indent: 2em "AlphaFold2 显然是蛋白质结构预测领域的重大突破。这可能是从 1969 年第一篇 Journal of Molecular Biology 用比较建模方法预测蛋白质结构发表 51 年以来最大的突破。/ppbr//pp style="text-indent: 2em "这个领域过去 20 年来，进展一直比较缓慢，但最近几年，随着共同进化、接触图预测以及引入深度学习之后，很多软件，比如 I-TASSER 和 Rosetta 等，都有了很大进步。/ppbr//pp style="text-indent: 2em "就 I-TASSER 来讲，两年前在第 13 届 CASP（CASP13）时，它能够正确预测的非同源蛋白数目比其六年前在 CASP11 上提高了 5 倍。这次 CASP14 也比 CASP13 的预测能力提高了很多。但 AlphaFold2 这次比上次进步更大，和两年前的上一个版本相比， AlphaFold2 的主要变化是直接训练蛋白质结构的原子坐标，而不是用以往常用的、简化了的原子间距或者接触图。/ppbr//pp style="text-indent: 2em "传统上，蛋白质结构预测可以分成基于模板和从头预测，但是 AlphaFold2 只用同一种方法 —— 机器学习，对几乎所有的蛋白质都预测出了正确的拓扑学的结构，其中有大约 2/3 的蛋白质预测精度达到了结构生物学实验的测量精度。这说明，至少是在单结构域的蛋白结构，他们接近解决了这个问题。/ppbr//pp style="text-indent: 2em "谷歌这次为什么能够取得如此大的成功？/ppbr//pp style="text-indent: 2em "这首先与它们拥有强大的人力和计算资源有关。/ppbr//pp style="text-indent: 2em "计算机上，他们使用 TPU（据他们的宣传是比 GPU 快 15 倍），学术界的实验室只有 CPU 或者 GPU，而很多实验室都还没有 GPU。他们对媒体宣传中说 Alphafold2 最后只用相当于 100 个 GPU 的资源训练了两周就产生了最后的模型，学界大多数实验室都可以做到，这是不客观的。因为产生一个新的想法，到训练成功的模型，中间起码要反复测试重复 100 次甚至 1000 次。这就像吃了十个馒头的饿汉一 样，不能说吃了最后一个馒头吃饱了，就觉得只吃最后一个馒头就够了。/ppbr//pp style="text-indent: 2em "另外，他们可以高薪招聘大量专业人才，集中精力攻关一件事，不需要担心基金申请、教学和学生毕业论文等等。这些人力和计算资源上的差别是谷歌 DeepMind 这样的工业研究机构比起学术界在攻关科学或者工程问题上的最大优势。/ppbr//pp style="text-indent: 2em "当然，学术界在蛋白质结构预测这么多年的积累，也给 AlphaFold2 的成功奠定了基础。/ppbr//pp style="text-indent: 2em "我自己很高兴他们取得了这么大突破。这个工作首先证明了蛋白质结构预测问题是可以被解决的。这其实不是一个简单的问题，因为蛋白质结构和序列的复杂关系，常常让人们 —— 特别是做结构预测的人 —— 怀疑，蛋白质折叠这个问题是不是可解， 或者有没有唯一解。/ppbr//pp style="text-indent: 2em "我们在 15 年前的一篇 PNAS 论文中提到，用 PDB 库中的模板，在理论上可以解决 “单结构域蛋白质结构预测” 这个问题，但那是一个基于模板的传统解法， 难点是如何找到最好的模板。谷歌他们这次用「暴力」的机器学习，「暴力」地解决了这个问题。这个做法的成功会对很多相关领域都产生深远影响。/ppbr//pp style="text-indent: 2em "有人说这个 AlphaFold2 会让很多相关行业的人失业。我认为恰恰相反，它给很多领域提供了解决问题的新途径和新思维，因而会极大推动相关领域的发展，因此会产生更多更大的机会。即便是在蛋白质结构预测这个相对较小的领域，我们还有很多事情要做。/ppbr//pp style="text-indent: 2em "AlphaFold2 这次只有 2/3 的蛋白预测做到实验精度，还有 1/3 做不到，是否还有更快更好的途径来产生更高精度结构的算法？基于商业或其它考虑，我相信谷歌可能不会公开代码或 Server。/ppbr//pp style="text-indent: 2em "所以，最终可能还得学术界的同行共同努力，完善和推广这一技术，让其真正惠及生物医学研究以及普通公众的健康需求。/ppbr//pp style="text-align: center text-indent: 2em "strong共赢大于竞争/strong/ppbr//pp style="text-align: center text-indent: 2em "龚新奇/pp style="text-align: center text-indent: 2em "（中国人民大学数学科学研究院教授，清华大学北京结构生物学高精尖中心合作研究员）/ppbr//pp style="text-indent: 2em "2020 年第 14 届国际蛋白质结构预测竞赛（CASP14）共有 84 个常规（Regular）题目，其中有 14 个题目因为生物实验没给出确定结构等原因被取消或延缓，其他 70 个题目的单体和复合物蛋白质所含有的氨基酸个数从 73 到 2180 不等。/ppbr//pp style="text-indent: 2em "19 个国家的 215 个小组参加了 CASP14。最终，谷歌旗下 DeepMind 公司的人工智能系统 AlphaFold2 在 2018 年的 Alphafold 基础上迭代创新，超常发挥，一枝独秀，基本解决了「从氨基酸序列预测蛋白质结构」这个困扰人类 50 年的生物学第二遗传密码问题。/ppbr//pp style="text-indent: 2em "AlphaFold2 的成功表现在三个方面：/pp style="text-indent: 2em "1.不少结构的预测精确度跟实验晶体结构相当，可以替代晶体结构；br//pp style="text-indent: 2em "2.一些含有多个结构域的复杂超长的单链结构也达到了可以跟实验结构比较的程度；/pp style="text-indent: 2em "3.帮助解析了竞赛中涉及到的、实验多年没拿到的 X 射线晶体和 cryo-EM 冷冻电镜结构，比如 T1058 的膜蛋白是用了 Alphafold2 的预测模型之后，才跟原有晶体学数据综合成功解析了结构。br//pp style="text-indent: 2em "AlphaFold2 团队的 John Jumper 报告表明，他们使用了基于注意机制的神经网络，动态调整网络中节点的顺序和链接；依靠的是端到端的优化整体构建结构，而不是氨基酸距离；网络中内置了大量的序列、结构和宏基因组等多重比较信息；还依赖分子模拟软件优化去掉了原子的堆积碰撞。/ppbr//pp style="text-indent: 2em "在 AlphaFold2 的摘要作者名单里，交叉团队的 30 位作者中有 19 位都被标记为相同贡献的第一作者。他们将近 8 分钟的宣介视频，记录了团队成员在新冠疫情期间精诚合作、攻坚克难的宝贵场景。/ppbr//pp style="text-indent: 2em "CASP 组织者 John Moult 指出，计算下一步还有更困难的问题要解决：超大复合物结构、动态构象变化、蛋白质设计、药物设计等等。/ppbr//pp style="text-indent: 2em "除了我们蛋白质结构预测小同行对 AlphaFold2 的成功很欣喜之外，社会上还有多个不同方向的学术界、产业界和新闻界对它寄予了厚望。/ppbr//pp style="text-indent: 2em "在欣喜的同时，蛋白质结构预测小同行也有一些保留意见：/pp style="text-indent: 2em "1.工程化明显，依赖于强大的 GPU 计算资源和代码优化团队；br//pp style="text-indent: 2em "2.谷歌公司几乎可以收集全球所有网络信息，虽然看起来 AlphaFold2 的自动化程度很高，但他们在人工操作中使用了哪些信息值得关注；/pp style="text-indent: 2em "3.预测对了结构，但不等于明白了蛋白质折叠过程和原理。/ppbr//pp style="text-indent: 2em "strong生物实验科学家也有不少看法：/strong/pp style="text-indent: 2em "1.算出结构只是生物学规律发现的第一步；/pp style="text-indent: 2em "2.计算的多个 models 中，有时打分排序不准；/pp style="text-indent: 2em "3.开放 AlphaFold2 的 server 之后，使用效果不一定那么好；/pp style="text-indent: 2em "4.只是在已有蛋白质结构数据集上训练得到的模型，尚不能计算其它构象或其它类别的分子结构。/pbr/p style="text-indent: 2em "还有关心这个领域的其他方向的专家也提出了问题：怎么理解这个算法成功的原理？怎么跟原有的热力学、物理学等基本原理相融相通？/ppbr//pp style="text-align: center text-indent: 2em "我认为 AlphaFold2 是个大突破，后续可能性很多，会替代一些简单的结构生物学实验，但对当下科学家追求的前沿生物学来说，共赢大于竞争；对生物学、数学和计算机学等学科而言，则会带来新的机遇。br/br/strong技术服务于科学探索，结构生物学早就进入新时代/strongbr/颜宁/pp style="text-align: center text-indent: 2em "（美国普林斯顿大学雪莉?蒂尔曼终身讲席教授，美国科学院外籍院士）/ppbr//pp style="text-indent: 2em "首先，简单说一下，什么是生物学里的「结构」。/pbr/p style="text-indent: 2em "用个不太恰当的类比：变形金刚。比如擎天柱是辆车还是个机器人，这就是不同的结构了，机器人能打架大车做运输，功能也不一样。而不同的汽车人组成成分可能差不多，都有合金、玻璃、橡胶，但是形态各异，特长也不一样。br/生物分子的组成成分和基本单元就那么几种，但是组装起来，不同的序列不同的结构，于是功能各异、五花八门。这个结构不是静止的，每一个生物大分子基本都像个小机器，比变形金刚更复杂、更变化多端。/ppbr//pp style="text-indent: 2em "因为结构决定了生物大分子的功能，所以解析高分辨率结构在过去几十年一直是理解生物大分子工作机理最有力的工具。但是一直以来，因为技术局限，对于绝大多数生物大分子的结构解析困难重重。所以，一批科学家另辟蹊径，试图在已有的知识基础上，绕开劳心劳力又劳财的实验步骤，从蛋白质的序列直接通过计算预测出它们精准的三维结构。/ppbr//pp style="text-indent: 2em "蛋白结构预测并不是一个新鲜学科，一直以来就是结构生物学的一个分支，很多科学家不断开发算法，希望根据序列预测出来的结构越来越准确。br/这个领域在过去十几年进步迅速，并且与实验结构生物学融合度越来越高。比如，自从进入电镜时代，看到一堆黑白灰的密度，如果其中某些部分没有同源结构，通过软件预测一个大致的结构模型，放到密度图里面做框架，再根据实验数据调整，已经是个常规操作。/ppbr//pp style="text-indent: 2em "这次人工智能赢得 CASP 的新闻亮点有两个，一是 AI，二是准确度高。这确实是突破，但是有了两年前的新闻（注：2018 年，DeepMind 开发的第一代 AlphaFold 首次参加 CASP 并且拔得头筹）做铺垫，现在这次委实是意料之中。br/至于衍生出来的所谓「结构生物学家都要失业了」的调侃 —— 如果你对结构生物学的理解还停留在 20 年前，那这么说也不是不行。但是结构生物学自身一直在发展着，一场冷冻电镜的分辨率革命更是令结构生物学不同往日了。br/我在 2015 年主持一个学术研讨会的时候曾经评论过：结构生物学的主语是生物学，是理解生命、是做出生物学发现。br/但是，在 X - 射线晶体学为主要手段的时代，获得大多数研究对象的结构本身太难了，于是很多研究者把「获得结构」本身作为了目标，让外行误以为结构生物学就是解结构。但我从进入这个领域之初，就被教育得明明白白：结构本身只是手段，它们是为了回答问题、做出发现。而电镜使得「发现」二字尤为突出。br/br/看到结构本身、知道你的研究对象长啥样，倒也可以称之为发现，但我刚刚说的「发现」，特指那些超乎想象的、通过结构才揭示出来的、自然界里神奇的存在或者令人叹为观止的机理。/pbr/p style="text-indent: 2em "我讲课最喜欢举的例子之一就是施一公组的剪接体结构。为啥呢？因为它集合了结构生物学发现里几乎所有的精彩要素和挑战。br/br/第一，在剪接体结构出来之前，有很多剪接体的组分甚至是未知的。不同于传统的结构生物学，先知道你要研究对象是啥，再吭哧吭哧地去把它们的结构解出来 —— 剪接体的电镜分析是看到了密度图之后，完全不晓得这是啥，需要通过质谱等手段去鉴定组分。我从 2015 年就预测：电镜与质谱组合，将会变成一个重要的生物学研究发现手段。在电镜时代，这样的例子越来越多。比如清华大学隋森芳老师组的那个巨大的藻胆体结构，靠质谱都不够了。为了搞明白组分，他们甚至先做了基因组测序。br/br/第二，几十上百个蛋白如何众星捧月地把那么几条貌似简单的 RNA 掰成与几个小小的金属离子配合的核酶反应中心，在茫茫碱基中，在正确的时间正确的地点牵线搭桥，剪掉 intron（内含子），连接 exon（外显子）？就为了这一「剪子」 一「钩针」，为了几毫秒的过程，这么个庞然大物的几十上百个组成部件却要分分合合，这个过程是真神奇。/ppbr//pp style="text-align: center text-indent: 2em "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202012/uepic/72bc97e7-d254-461b-b199-1156f73a37c8.jpg" title="微信图片_20201204191624.jpg" alt="微信图片_20201204191624.jpg"//pp style="text-align: center text-indent: 2em "span style="font-size: 12px "施一公实验室报道的首个酵母剪接体的结构/span/pp style="text-align: center text-indent: 2em "span style="font-size: 12px "（图源：生物化学经典教材 Lehninger Principles of Biochemistry（第七版）封面）/span/pp style="text-align: center text-indent: 2em "span style="font-size: 12px "br//span结构生物学目前的实验手段只能获得静止的 3D 照片，为了揭示这部电影，就要不断获得中间态的 3D 照片，帧数越多，电影越精准。但即便如此，这个过程中的动力学问题，简单说，就是变化速度，依旧不是现在的结构生物学实验手段可以揭示的，需要借助更多生物物理技术、计算生物学手段去探索。br/我自己的工作虽然没有剪接体那么酷炫，但是电压门控钠离子通道如何感受膜电势的变化，开门关门，就这么个过程，听着简单，我们死磕三年了，依旧束手无策。另外，我们今年发的两篇 PNAS 论文其实代表了结构生物学的另一个努力方向：在实验操作过程中对生物大分子施加外力（电场、磁场、各种长度的波......）。br/也许是受到我自身专业领域的局限，AlphaFold 迄今带给我的震撼还赶不上冷冻电镜的革命，后者将我们从技术挣扎中解放出来，可以专注于结构带来的生物学发现本身。br/br/AlphaFold 目前最成功的预测是针对单链分子，当然将来预测复合物的高精结构也应该不在话下。相比于对蛋白折叠的贡献，我倒是更希望 AI 能够助力 Molecular Dynamics Simulation（分子动力学模拟）。对结构生物学而言，这个领域才是亟需进步的。br/br/我个人认为生命是地球上最神奇的存在，那么多未知要探索，任何一次技术进步都是契机。该考虑的是如何把新技术为我所用，去问出、去探索更有意思的问题。br/最后，当 AI 能够成功预测我们正在孜孜以求的生物大分子动态、原位高分辨率结构的时候，那失业的一定不止是结构生物学家、或者生物学家了 :pbr/br/strong各抒己见/strong/pp style="text-indent: 2em "strongbr//strong根据现在披露的结果，AlphaFold2 已经基本达到实验解析结构的精度。前天 AlphaFold2 团队的报告展示了新冠病毒 SARS-COV-2 的预测结果，说明 RNA 聚合酶这么大的蛋白也能基本预测准确。/pbr/p style="text-indent: 2em "理论上，这会对结构生物学有很大冲击，尤其是以后单颗粒 cryo-EM 的实验方法上，是否还需要把分辨率做得那么高？低分辨率的电子密度图，甚至 SAXS 数据结合预测结果应该就能解决问题了。br/但是，现实中的冲击不会那么大。这是因为，AlphaFold2 模型的创新性非常高，其中结合的 2D transformer 和 3D equivariant transformer 都是 AI 领域的前沿技术，模型的训练难度很大。/pbr/p style="text-indent: 2em "DeepMind 的训练方法在学术界很难复现，估计学术界要花几年的时间才能跟上，因此短期内 AlphaFold2 对结构生物学的影响会比较有限。DeepMind 可能会和个别实验室合作，预测蛋白质结构。/pbr/p style="text-align: right text-indent: 2em "—— 龚海鹏（计算生物学家，清华大学结构生物学高精尖创新中心研究员）/pbr/br/p style="text-indent: 2em "AlphaFold 为结构生物学家提供了除晶体学、冷冻电镜、NMR 以外的另外一种手段，用于揭示生物大分子发挥作用的分子机制。/pbr/p style="text-align: right text-indent: 2em "—— 张鹏（结构生物学家，主要利用晶体学和冷冻电镜技术；中科院分子植物科学卓越创新中心研究员）/pbr/br/p style="text-indent: 2em "AlphaFold 目前还不能预测复杂的分子机器，主要是因为蛋白 - 蛋白相互作用非常复杂，存在极多的可能性。实验手段所揭示出来的蛋白 - 蛋白相互作用方式还只是冰山一角，更何况在不同生理条件和过程中的结构变化。因此，未来对有特定功能的、多个成分组成的、生物大分子复合体的结构解析，以及体内的结构分析，将成为结构生物学实验研究的主要内容。无论有没有 AlphaFold，结构生物学也正在朝这个方向发展。/pp style="text-indent: 2em "Rosetta（注：从头蛋白结构建模算法）也好，AI 也罢，结构预测都是基于已有的实验数据够大。没有足够的数据积累，这些基于统计和数据库的预测就无法实现。完全基于物理学和化学第一性原理的结构预测还没有出现。br/实验科学永远是探索未知的必要手段。新的软件算法应该是成为实验科学家的更有力工具，而不是取代实验科学。/ppbr//pbr/p style="text-align: left text-indent: 2em "—— 王宏伟（cryo-EM 专家，清华大学结构生物学高精尖创新中心执行主任，清华大学生命科学学院院长）br/br/br/br/ 最近两年，结构生物学领域经历了与围棋界类似的故事。Alphago Fan 版本时围棋界并不认为它能够战胜人类顶尖高手，可是 Alphago Lee 后整个围棋界甘拜下风，并且转向 AI 拜师学艺。2018 年 Alphafold 出现时，实验结构生物学领域认为被战胜的仅仅是传统的结构预测领域，2020 年 Alphafold2 之后，实验结构生物学领域应该开始思考如何与之共存以及如何「拜师学艺」了。/pp style="text-align: left text-indent: 2em "br/ 目前阶段人工智能在围棋上已经远远超过人类顶尖棋手，但是人类围棋比赛并未因此取消，如同汽车发明后奥林匹克仍然在进行田径比赛一样。原因之一是人工智能虽然超越了人类，但并未解决围棋的最终解。同样的道理，对于复杂的结构生物学问题，预测手段本身还不能号称完全解决了问题。/pp style="text-align: left text-indent: 2em "br/ 实验结构生物学领域接下来需要做的一个事情是要拥抱变化，更好地与预测方法结合以及共同发展。/pbr/p style="text-align: right text-indent: 2em "—— 周强（cryo-EM 专家，西湖大学生命科学学院特聘研究员）/ppbr//ppbr//pp style="text-indent: 2em "蛋白质体系越大，结构的解析越难仅依赖计算方法。Cryo-ET (冷冻电镜断层成像) 技术擅长解析体外难表达的大分子机器结构、细胞中的原位蛋白结构等复杂体系，因此很难被脱离实验手段的方法取代。目前，由于体系过于复杂，使用分子动力学模拟整颗病毒尚未实现，要模拟细菌、细胞、组织，还要很长的路要走。/ppbr//p

内源差示扫描荧光技术如何应用到多功能蛋白质稳定性分析北京佰司特贸易有限责任公司蛋白质是生物体中广泛存在的一类生物大分子，具有特定立体结构的和生物活性以及诸多功能，根据这些功能我们可以将其应用于蛋白质的分子设计、蛋白质功能的改造、疾病的基因治疗以及新型耐抗药性药物的开发与设计甚至是发现生物进化的规律等先进科研领域上。因此，蛋白质具有非常重要的研究价值。进行蛋白质性质和功能研究的前提是获得稳定的蛋白质样品，而由于蛋白质自身性质的复杂性，难以保证获得的蛋白质样品是否具有正确的三维结构以及功能，因此急需一种技术手段或设备，对蛋白质的稳定性进行分析，确定获得蛋白质最ZUI适宜的缓冲液条件、蛋白质的长期储存稳定性等。另外在进行蛋白质-配体小分子相互作用研究时，因为需要筛选的小分子配体数量巨大，因此也急需一种技术手段或设备，可以高通量的对配体结合进行筛选。蛋白中的色氨酸和酪氨酸可以被280 nm的紫外光激发并释放出荧光，其荧光性质与所处的微环境密切相关。蛋白变性过程中，色氨酸从疏水的蛋白内部逐渐暴露到溶剂中，荧光释放的峰值也从330 nm逐渐转移到350 nm。内源差示扫描荧光技术（intrinsic fluorescence DSF），通过检测温度变化/变性剂浓度变化过程中蛋白内源紫外荧光（350 nm/330 nm比值）的改变，获得蛋白的热稳定性(Tm值)、化学稳定性（Cm值）等参数。相比传统的方法，无需添加染料，通量高，样品用量少，数据精度高。 多功能蛋白质稳定性分析仪PSA-16是一款无需加入荧光染料、高通量、低样品消耗量检测蛋白质稳定性的设备。该设备基于内源差示扫描荧光技术（intrinsic fluorescence DSF），通过检测温度变化/变形剂浓度变化过程中蛋白内源紫外荧光的改变，获得蛋白质的热稳定性(Tm值)、化学稳定性（Cm值）等参数。可应用于蛋白缓冲液条件筛选及优化、小分子与蛋白结合情况的定性测定、蛋白质修饰及改造后的稳定性测定、蛋白变/复性研究、不同批次间蛋白稳定性对比等多个方面。基于内源差示扫描荧光技术（intrinsic fluorescence DSF），在无需添加外源染料的条件下，对蛋白进行升温变性，通过内源荧光和散射光的变化与三级结构变化的关系，PSA-16可用于测定不同buffer中蛋白的Tm值变化，获得蛋白质正确折叠的最ZUI优buffer条件；测定不同detergent条件下膜蛋白Tm值，进行detergent筛选；测定不同添加剂对蛋白稳定性的影响；测定添加配体后Tm值变化进行配体结合筛选；测定蛋白中变性部分的比例，进行质量控制；测定蛋白Tm值与浓度的相关性，获得最ZUI优蛋白浓度进行后续结晶等实验；测定蛋白去折叠过程，进行蛋白复性条件筛选；测定蛋白folding enthalpy，研究蛋白的长期稳定性；测定不同批次和存储后的蛋白的稳定性，并进行相似性评分，对蛋白进行质量控制。多功能蛋白质稳定性分析仪PSA-16，无需对蛋白进行荧光标记，可以直接测定蛋白在不同缓冲液条件中的Tm值，进行缓冲液筛选和优化；同时还可以测定添加不同配体化合物对蛋白稳定性的影响，通过Tm值变化进行配体结合筛选。PSA-16满足我们目前对于蛋白质稳定性分析的迫切需求。多功能蛋白质稳定性分析仪PSA-16可用于评估蛋白（抗体或疫苗）热稳定性、化学稳定性、颗粒稳定性等特性，实现非标记条件下的高通量的抗体制剂筛选、分子结构相似性鉴定、物理稳定性、长期稳定性、质量控制、折叠和再折叠动力学研究等功能。★ 蛋白热稳定性分析★ 蛋白化学稳定性分析★ 蛋白等温稳定性分析★ 蛋白颗粒稳定性分析★ 免标记热迁移实验（dye-free TSA）★ 蛋白去折叠、再折叠、结构相似性分析★ 蛋白质量控制分析 多功能蛋白质稳定性分析仪PSA-16基于内源差示扫描荧光（ifDSF）技术，广泛应用于蛋白质稳定性研究、蛋白质类大分子药物（抗体）优化工程、蛋白质类疾病靶点的药物小分子筛选和结合力测定等领域，具有快速、准确、高通量等诸多优点。蛋白质中色氨酸/酪氨酸的荧光性质与它们所处的环境息息相关，因此可以通过检测蛋白内部色氨酸/酪氨酸在加热或者添加变性剂过程中的荧光变化，测定蛋白质的化学和热稳定性。PSA-16采用紫外双波长检测技术，可精准测定蛋白质去折叠过程中色氨酸和酪氨酸荧光的变化，获得蛋白的Tm值和Cm值等数据；测定时无需额外添加染料，不受缓冲液条件的限制且测试的蛋白质样品浓度范围非常广（10 µ g/ml - 250 mg/ml），因此可广泛用于去垢剂环境中的膜蛋白和高浓度抗体制剂的稳定性研究。此外，PSA-16具有非常高的数据采集速度，从而可提供超高分辨率的数据。同时PSA-16一次最多可同时测定16个样品，通量高；每个样品仅需要15 uL，样品用量少，非常适合进行高通量筛选。PSA-16操作简单，使用后无需清洗，几乎无维护成本。★ 非标记测试★ 10分钟内完成16个样品的分析★ 仅需10μL样品，浓度范围0.005mg/ml—200mg/ml★ 15-110℃温控范围，升温速率0.1-7℃/min★ 适用于任意种类的蛋白分子★ 无需清洗和维护★ 可增配机械手臂实现全自动工作 性能参数：★ 直接检测蛋白质内源紫外荧光，测定时无需额外添加染料，不限制蛋白缓冲液。★ 可同时测定16个样品。★ 样品管材质：高纯度石英管，8联排设计，可使用多通道移液器批量上样，亦可单管使用。★ 样品体积：15 μL/样品。★ 样品浓度范围：0.01 mg/mL–250 mg/mL。★ 温控范围：15-110℃可选。★ 升温速度范围：0.1-15℃/分钟可调。★ 温控精度：+ 0.2℃。★ 采样频率：1 HZ，1/60 HZ可选。★ 应用范围：热稳定性实验、化学稳定性实验、等温稳定性实验、温度循环实验、TSA实验。★ 软件具备比对功能，可通过热变性曲线对蛋白进行相似性评分。★ 测定参数：Tm、Ton、Cm、ΔG、Similarity。★ Tm测定精度：0.5% CV。★ 仪器使用时无需预热及预平衡，实验完成后无需清理，无后续维护费用。★ 一体机，可以通过触摸屏进行试验设置，实时采集数据和显示数据，生成详细的结果报告。应用领域：多功能蛋白质稳定性分析仪PSA-16应用涵盖植物、生物学、动物科学、动物医学、微生物学、工业发酵、环境科学、农业基础、蛋白质工程等多学科领域。蛋白质是最终决定功能的生物分子，其参与和影响着整个生命活动过程。现代分子生物学、环境科学、动医动科、农业基础等多种学科研究的很多方向都涉及蛋白质功能研究，以及其下游的各种生物物理、生物化学方法分析，提供稳定的蛋白质样品是所有蛋白质研究的先决条件。因此多功能蛋白质稳定性分析系统在各学科的研究中都有基础性意义。 1. 抗体或疫苗制剂、酶制剂的高通量筛选2. 抗体或疫苗、酶制剂的化学稳定性、长期稳定性评估、等温稳定性研究等3. 生物仿制药相似性研究（Biosimilar Evaluation）4. 抗体偶联药物（ADC）研究5. 多结构域去折叠特性研究6. 物理和化学条件强制降解研究7. 蛋白质变复性研究（复性能力、复性动力学等）8. 膜蛋白去垢剂筛选，膜蛋白结合配体筛选（Thermal Shift Assay）9. 基于靶标的高通量小分子药物筛选（Thermal Shift Assay）10. 蛋白纯化条件快速优化等

2015年1月23日一期的Science公布了基于人类蛋白质图谱的大分析结果，包括与癌症相关的详细蛋白质图片，血液中蛋白质种类和数量，以及市场上被批准的所有药物所作用的目标蛋白质。 人类蛋白质图谱（The Human Protein Atlas）,是由Knut and Alice Wallenberg基金会于2014年11月支持的一个大型跨国研究项目。近期他们又开放了一个以人器官组织为基础的蛋白质图谱数据库。基于1300万个注释的图像，整个数据库涵盖了人体中的所有主要组织和器官的蛋白质分布，也标注了仅表达在特定组织，如脑，心脏或肝脏的蛋白。作为一个开放的数据资源，这个数据库提高了对人类生物学的基本见解，更有望帮助推动新的诊断和药物的开发。 在Science的这篇文章里，"基于组织的人类蛋白质组图谱" 结合基因组学，转录组学，蛋白质组学，以及基于抗体的分析，详细分析了大约20,000个蛋白质编码基因。分析结果表明，蛋白编码基因几乎一半都是普遍表达在所有分析的组织。而有大概的15％的蛋白质编码基因大量表达在一个或几个特定的组织或器官，包括众所周知的组织特异性蛋白质，如胰岛素和肌钙蛋白。睾丸是含有最丰富种类蛋白质的器官，其后是大脑和肝脏。分析结果还表明，大约3000种蛋白质是从细胞中分泌释放的，另有5500种蛋白位于细胞膜结构。 这一蛋白质图分析结果为制药行业的提供了重要信息。研究小组的Uhlé n表示,他们发现了市场上使用的药品有70%的作用目标是分泌或膜结合蛋白。有趣的是，另外30%被发现是作用其他组织和器官，这可能有助于解释药物的一些副作用，并且对未来药物开发提供一定的参考价值。 该数据库已经免费对外开放，网址是www.proteinatlas.org.

美国罗格斯大学领导的团队在探究生物学中最深刻的未解问题之一时，发现了可能导致古代地球原始汤中生命起源的蛋白质结构。该研究近日发表在《科学进展》杂志上。　　研究人员探索了原始生命如何起源于我们星球上的简单非生命材料，他们得出结论，任何有生命的东西都需要从太阳或热液喷口等来源收集和使用能量。　　用分子术语来说，这意味着转移电子的能力对生命至关重要。由于电子转移的最佳元素是金属，并且大多数生物活动都是由蛋白质进行的，因此研究人员决定探索两者的结合，即结合金属的蛋白质。　　他们比较了所有现有的与金属结合的蛋白质结构，以建立任何共同特征，前提是这些共同特征存在于祖先蛋白质中，并且经过多样化和传承，创造了我们今天看到的众多蛋白质。　　蛋白质结构的进化需要了解新折叠是如何从先前存在的折叠中产生的，因此研究人员设计了一种计算方法，发现目前存在的绝大多数金属结合蛋白都有些相似，无论它们结合的金属类型如何。　　研究主要作者、罗格斯大学新不伦瑞克分校生物化学和微生物学系教授雅娜布罗姆伯格表示，现有蛋白质的金属结合核心确实都相似，尽管蛋白质本身可能不相似。这些金属结合核心通常由重复的子结构组成，有点像乐高积木。奇怪的是，这些子结构也存在于蛋白质的其他区域，而不仅仅是金属结合核心。观察表明，这些子结构的重排可能有一个或少数共同祖先，并产生了目前可用的全部蛋白质及其功能，亦即人类所知道的生命。　　布罗姆伯格说，“我们对生命如何在这个星球上产生信息知之甚少，而我们的工作提供了以前无法获得的解释。这种解释或有助于我们在其他行星和行星体上寻找生命。我们对特定结构构件的发现也可能影响未来合成生物学工作——科学家的目标正是重构出具有特异性的活性蛋白质”。

蛋白质是生命的物质基础，每个蛋白质的氨基酸链扭曲、折叠、缠绕成复杂的结构，想要破解这种结构通常需要花很长的时间，甚至难以完成。截至目前，约有10万个蛋白质的结构已经用实验方法得到了解析，但这在已经测序的数10亿计的蛋白质中只占了很小一部分。　　但“看清”蛋白的结构和人类的很多疾病机理、药物研发等等息息相关。在蛋白质结构解析的几十年历史中，X射线晶体学、核磁共振波谱学(NMR)、冷冻电镜(Cryo-SEM)技术纷纷发挥了巨大的贡献，但这些技术在科学界看来，都有着劳心劳力又价格高昂的缺点。　　如何简单地通过蛋白质的氨基酸序列来预测其形状?如何能解答这一问题，了解生命运作方式的将打开截然不同的一扇窗。这种设想提出的50多年后，谷歌旗下人工智能公司DeepMind在去年12月的国际蛋白质结构预测竞赛CASP上投下重磅，他们开发的基于神经网络的新模型AlphaFold2击败了其他选手，在预测准确性方面达到接近人类实验结果，让整个结构生物学界震惊。北京时间7月15日，DeepMind团队在顶级学术期刊《自然》(Nature)以“加快评审文章”(Accelerated Article Preview)形式在线发表了一篇题为“Highly accurate protein structure prediction with AlphaFold”的论文，全面详述了半年前造成轰动的这一模型，并首次对外分享开源代码。该论文于今年5月11日提交，7月12日被接收。　　DeepMind团队提供了一份声明，公司创始人兼首席执行官Demis Hassabis在声明中表示，去年在CASP14大会上我们揭晓了一个可以将蛋白质3D结构预测精确到原子水平的全新AlphaFold系统，此后我们承诺会分享我们的方法，并为科学共同体提供广泛、免费的获取途径。　　“今天我们迈出了承诺的第一步，在《自然》期刊上分享AlphaFold的开源代码，并发表了系统的完整方法论，详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的。作为一家致力于推动科学进步的公司，我们期待看到我们的方法将为科学界启发出什么其他新的研究方法，也期待很快能和大家分享更多我们的新进展。”Hassabis表示。值得一提的是，就在同一天，另一顶级期刊《科学》(Science)也在线发表了另一预测蛋白质结构的研究文章，题为“Accurate prediction of protein structures and interactions using a three-track neural network”。　　来自华盛顿大学、哈佛大学、德克萨斯大学西南医学中心等团队的研究人员开发了新的深度学习工具RoseTTAFold，其拥有媲美AlphaFold2的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低。同样，研究团队也对外分享了开源代码。该论文提交于6月7日，7月7日被接收。　　清华大学生命科学学院院长、高精尖中心执行主任王宏伟表示，“高质量结构预测的源代码开放对整个科学界尤其是结构生物学领域的促进作用必然是巨大的。”他评价道，对于DeepMind这样一家商业公司来说，“团队愿意向公众分享代码，是一个新型科研范式的突破，将整体上有利于人类更好地探索未知。”　　预测蛋白质结构，接近实验室测量　　50多年前，科学家们就设想用计算机预测蛋白质结构。近年来，共同演化、接触图预测、深度机器学习等技术的引入，一些实验室的算法精度有了很大程度的提高。　　曾经开发出Alphago、战胜人类顶尖棋手的DeepMind团队是其中的佼佼者，其团队的强大和资源雄厚是一般实验室无法企及的。2020年12月1日，他们在生物领域展现出实力，在两年一度的权威蛋白质结构预测评估竞赛(CASP)中用AlphaFold2击败其他参赛团队。　　CASP是由马里兰大学John Moult教授等人于1994年组织。竞赛使用的是最新解决且尚未在蛋白质数据库(PDB)中存放或公开披露的结构，结构生物学家们利用X射线晶体学、核磁共振波谱学、冷冻电镜的方法，把这些蛋白质的结构解析出来。做蛋白质结构预测的团队则利用计算机程序来预测它们的结构。最后由独立的科学家团队则把计算机预测的模型和实验室的结构对照，分析不同计算机算法的预测结果。这是一种“双盲”测试，长期以来一直是评价结构预测准确性的金标准。　　去年的CASP14共有84个常规题目，其中有14题因为生物实验没给出确定结构等原因被取消或延缓，其他70个题目的单体和复合物蛋白质所含有的氨基酸个数从73到2180不等。　　19个国家的215个小组参加了CASP14。DeepMind公司的AlphaFold2预测的大部分结构达到了空前的准确度，不仅与实验方法不相上下，还远超解析新蛋白质结构的其他方法。将实验方法得到的蛋白质结构叠加在AlphaFold2的结构上，组成蛋白质主链骨架的叠加原子之间的距离中位数(95%的覆盖率)为0.96埃(0.096纳米)。成绩排第二的方法只能达到2.8埃的准确度。　　AlphaFold2的神经网络能在几分钟内预测出一个典型蛋白质的结构，还能预测较大蛋白质(比如一个含有2180个氨基酸、无同源结构的蛋白质)的结构。该模型能根据每个氨基酸对其预测可靠性进行精确预估，方便研究人员使用其预测结果。　　AlphaFold2最终被Moult评价道，“在某种意义上，问题已经解决了”。　　值得一提的是，在最新发布的论文中，DeepMind还简化了AlphaFold2。AlphaFold的首席研究员John Jumper说，“这个网络需要几天的计算时间来生成CASP的一些蛋白质的结构，而开源版本的速度要快16倍。根据蛋白质的大小，它可以在几分钟到几小时内生成结构。”　　受AlphaFold2的启发，华盛顿大学医学院生物化学家、蛋白质设计研究所所长David Baker等人开发了RoseTTaFold。华盛顿大学医学院官网对该研究的介绍称，在高精度的蛋白质结构预测方面，Baker等人“在很大程度上重现了DeepMind团队的表现。”　　相较于AlphaFold2只解决了单个蛋白质的结构，RoseTTaFold不仅适用于简单的蛋白质，也适用于蛋白质复合物。据介绍，RoseTTaFold利用深度学习技术，根据有限信息准确、快速地预测蛋白质结构。从结构上来看，RoseTTAFold 是一个三轨(three-track)神经网络，它可以兼顾蛋白质序列的模式、氨基酸如何相互作用以及蛋白质可能的三维结构。在这种结构中，一维、二维、三维信息来回流动，使得网络能够集中推理蛋白质的化学部分与它的折叠结构。巴塞尔大学的计算结构生物学家Torsten Schwede对《科学》杂志说，许多生物功能依赖于蛋白质之间的相互作用。“直接从序列信息中处理蛋白质-蛋白质复合物的能力使其对生物医学研究中的许多问题极具吸引力。”　　Baker同时坦言，AlphaFold2的结构更加准确。但是根特大学的结构生物学家Savvas Savvides说，Bake实验室的方法更好地捕捉到了“蛋白质结构的本质和特性”，比如识别从蛋白质侧面伸出的原子串，这些特征是蛋白质之间相互作用的关键。　　纽约大学医学院的细胞和结构生物学家Gira Bhabha说，两种方法都很有效。她表示，“DeepMind和Baker实验室的进展都是惊人的，将改变我们利用蛋白质结构预测推进生物学的方式。”　　开源代码，如何促进整个科学界?　　相比于去年年底带来的震撼，这次外界更感兴趣的是上述两支团队开源代码这一动作。　　此前的6月中旬，在Baker实验室发布RoseTTAFold预印本三天之后，DeepMind的Hassabis在推特上表示，AlphaFold2的细节正在接受一份出版物的审查，公司将“为科学界提供广泛的免费访问”。　　而从6月1日开始，Baker等人已经开始挑战他们的方法，让研究人员发送来他们最令人困惑的蛋白质序列。加州大学旧金山分校的结构生物物理学家David Agard的研究小组发送了一组没有已知类似蛋白质的氨基酸序列，几个小时内，他的团队就得到了一个蛋白质模型，“这可能为我们节省了一年的工作。”Agard说。　　除了免费提供RoseTTaFold的代码外，Baker团队还建立了一个服务器，研究人员可以插入蛋白质序列并得到预测的结构。贝克说，自从上个月推出以来，该服务器已经预测了大约500人提交的5000多种蛋白质的结构。　　不过，上述两支团队的源代码都是免费的，但也有观点认为，对于没有技术专长的研究人员来说，它可能还不是特别有用。不过，DeepMind的科学人工智能负责人Pushmeet Kohli表示，DeepMind已经与一些选定的研究人员和组织合作，以预测特定的目标，其中包括总部位于瑞士日内瓦的非营利组织“Drugs for ignored Diseases”。“在这个领域，我们还有很多想做的事情。”　　Hassabis提到，去年在CASP14大会上我们揭晓了一个可以将蛋白质3D结构预测精确到原子水平的全新AlphaFold系统，此后我们承诺会分享我们的方法，并为科学共同体提供广泛、免费的获取途径。“今天我们迈出了承诺的第一步，在《自然》期刊上分享AlphaFold的开源代码，并发表了系统的完整方法论，详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的。作为一家致力于推动科学进步的公司，我们期待看到我们的方法将为科学界启发出什么其他新的研究方法，也期待很快能和大家分享更多我们的新进展。”　　DeepMind团队认为，这一精准的预测算法可以让蛋白质结构解析技术跟上基因组革命的发展步伐。　　Baker团队也提到，“我们希望这个新工具将继续造福整个研究界。”　　中国科学院合肥物质科学研究院强磁场科学中心研究员谢灿对澎湃新闻(www.thepaper.cn)记者表示，“总的来说，对学术界来肯定是好事，肯定会促进结构生物学和相关领域的发展。在承认学术贡献的基础上的开放和共享，本来就应该是学术研究最基本的要求。”　　结构生物学是谢灿的“老本行”，“我当年花了8年的时间去解析一个蛋白的晶体结构，我能切身体会如果有一个精准预测蛋白结构的算法出现，对结构生物学家意味着什么。”　　但他认为，不必要担忧这些算法的出现会让结构生物学家失业，在技术迭代之下，结构生物学这些年受到的冲击太多了，“而事实上，只不过是某一个领域某一个技术在某一个历史阶段更容易出工作出成绩。”谢灿认为，无论再精准的预测，终究也只是预测，“AlphaFold2不是实验，同样也需要实验去证实。”　　王宏伟在AlphaFold2刚出现之时也曾评价道，对于复杂的结构生物学问题，预测手段本身还不能号称完全解决了问题。实验结构生物学领域接下来需要做的一个事情是要拥抱变化，更好地与预测方法结合以及共同发展。

ThermoFisher杜马斯蛋白质分析仪/定氮仪 FlashSmart用于自动检测各种食品和饮料中的总氮/蛋白质的含量，检测结果准确可靠。在保证高精度的同时有效减少单次分析的成本，FlashSmart可以为实验室分析人员提供针对固体样品和液体样品分析的24小时/7天的全天候自动化解决方案。高效的分析过程l 采用大样品进样量设计l 凯氏定氮法的替代方法l 有效缩短凯氏定氮分析时间从小时到分钟l 完全符合国际及国内标准全自动化设计l FlashSmart通常标配一个32位的样品盘，并且可以根据要求增加另外3个样品盘，所以最多可以放置125个样品，这对于每天要分析大量样品的实验室来说是一个非常有用的工具。l 自动触发/自动启动/自动待机/自动关机/全自动泄露检测l FlashSmart通过电子流量控制系统EFC实时控制气体流量从而保证测定的准确性和重现性。EFC系统通过EagerSmart操作软件在线自动控制。l 只需触按开始键，所有分析条件（如气体流量，温度，时间，供氧量等）都将由智能化的EagerSmart操作软件根据样品的种类和重量自动评估并设定。l OEACookBook内有上千种不同样品的分析条件和方法,确保得到最优结果多功能模块化设计一台仪器易于升级及配置多样化,N/Protein,NC,NCS,S多模式选择，可以选择配置不同的自动进样器，精确的分析结果在每次分析结束后，EagerSmart操作软件计算出氮百分比含量或通过用户选择蛋白质转换系数直接自动计算出蛋白质百分比含量。蛋白质转换数可根据不同性质的食品应用而修改。创新点：（1）仪器可选择双自动进样器及MVC多功能转换模块，这样碳氢氮硫模式和氧模式的转化非常简单，只通过软件点击即可在10分钟以内完成模式的切换，完全自动化（2）多功能模块化的选择，可以使得这台仪器可以方便的转化为杜马斯定氮仪，真正实现一机多用，极大的节省科研工作经费的投入ThermoFisher杜马斯蛋白质分析仪/定氮仪 FlashSmart

FlashSmart总氮/蛋白质分析仪器用于自动检测各种食品和饮料中的总氮/蛋白质的含量，检测结果准确可靠。在保证高精度的同时有效减少单次分析的成本，FlashSmart可以为实验室分析人员提供针对固体样品和液体样品分析的24小时/7天的全天候自动化解决方案。高效的分析过程l 采用大样品进样量设计l 凯氏定氮法的替代方法l 有效缩短凯氏定氮分析时间从小时到分钟l 完全符合国际及国内标准全自动化设计l FlashSmart通常标配一个32位的样品盘，并且可以根据要求增加另外3个样品盘，所以最多可以放置125个样品，这对于每天要分析大量样品的实验室来说是一个非常有用的工具。l 自动触发/自动启动/自动待机/自动关机/全自动泄露检测l FlashSmart通过电子流量控制系统EFC实时控制气体流量从而保证测定的准确性和重现性。EFC系统通过EagerSmart操作软件在线自动控制。l 只需触按开始键，所有分析条件（如气体流量，温度，时间，供氧量等）都将由智能化的EagerSmart操作软件根据样品的种类和重量自动评估并设定。l OEACookBook内有上千种不同样品的分析条件和方法,确保得到最优结果多功能模块化设计一台仪器易于升级及配置多样化,N/Protein,NC,NCS,S多模式选择，可以选择配置不同的自动进样器，精确的分析结果在每次分析结束后，EagerSmart操作软件计算出氮百分比含量或通过用户选择蛋白质转换系数直接自动计算出蛋白质百分比含量。蛋白质转换数可根据不同性质的食品应用而修改。创新点：1.可升级测试S元素，因为食物中的硫化物对于人体健康具有积极的意义,特别是防癌抗癌、预防多种慢性疾病、提高机体免疫力等方面的功效是不可替代的。可以更好的研究食品中的营养元素的水平2.检测限可做到0.001mg，针对低浓度含量的样品可以准确的得到其含量ThermoFisher杜马斯蛋白质分析仪/定氮仪 FlashSmart N

干血斑（Dried Blood Spot, DBS）是一种微量血液采集、干燥和储存的生物采样技术。该技术由Robert Guthrie于1963年首次应用于新生儿苯丙酮尿症（PKU）筛查[1]。相比于临床检验中常用的液态血液基质，干血斑技术具有采血量少、操作简便、一般不需冷冻或冷藏、储存和运输成本低等优点，已应用于新生儿疾病筛查、流行病学样本分析、药物研发等领域。将干血斑应用于蛋白质研究，拓宽了蛋白质分析研究的生物样本采集形式，具有很好的临床研究和实际应用价值。本文重点讨论两种常见干血斑蛋白质分析技术及应用。1. 基于干血斑的蛋白分析技术1.1 酶联免疫吸附分析法原理：酶联免疫吸附分析法（ELISA）是指将可溶性的抗原或抗体结合到聚苯乙烯等固相载体上，利用抗原抗体特异性结合，进行免疫反应的定性和定量分析，具有灵敏、特异、及易于自动化操作等特点。根据免疫识别和信号输出方式的不同，ELISA可以分为双抗体夹心法、直接免疫竞争法和非直接免疫竞争法等。实验材料及分析仪器：研究人员可通过购买固相载体、抗体或抗原进行包被制备ELISA试剂盒或购买市售试剂盒。酶联免疫吸附测定试剂盒已成为实验中不可缺少的工具，目前国内外Elisa试剂盒生产厂家很多，如上海酶联生物、Abcam、BioVision等，科研人员可根据研究需求选择高质量的试剂盒品牌，以提升分析效率及结果有效性。干血斑处理：以干血斑HIV分析为例：用HIV阴性混合血液样本对阳性混合血液样本进行梯度稀释后，以固定体积点样至干血斑收集卡，室温下干燥。采用干血斑打孔设备获得一定直径的干血斑样片，用300 μL PBST（0.05% Tween20）室温静置洗脱，洗脱液经酶标仪测定样本吸光度值（OD值）。分析和结果处理：以标准曲线样品的浓度为横坐标，以测得的OD值为纵坐标，根据不同类型ELISA本身的特点拟合标准曲线（如竞争法和夹心法可以采用四参数拟合回归方程），选择R值大于0.99的拟合方式，并根据标准曲线计算样品浓度。分析仪器：酶标仪（MicroplateReader）即酶联免疫检测仪，是对酶联免疫检测（EIA）实验结果进行读取和分析的专业仪器。酶标仪可分为普通酶标仪和多功能酶标仪，普通酶标仪的主要功能一是充当分光光度计的角色，二是基于免疫反应的ELISA分析，价格相对较低；多功能酶标仪可实现吸光度、荧光强度、时间分辨荧光、荧光偏振和化学发光等多种检测模式拓展，满足生化分析、免疫检测、细胞研究、药物筛选和机制探索等众多领域检测需要。目前酶标仪市场常用的仪器品牌进口的有：伯腾、帝肯、美谷分子、珀金埃尔默和赛默飞等；国产的有：安图生物、奥盛和闪谱等。1.2 基于质谱技术的蛋白质分析技术基于质谱（Mass Spectrometry, MS）技术的蛋白质分析方法具有高通量、自动化程度高、分离能力强等特点，已逐渐成为蛋白质分析和鉴定的重要技术。原理：蛋白酶将样本中的蛋白质消化成肽段混合物，可采用鸟枪法（Shotgun）对蛋白组进行全谱分析，在最小限度分离蛋白质的同时实现复杂混合物中成千上万种蛋白质的鉴定和定量；或用液相色谱法（Liquid Chromatography, LC）对酶解肽段进行分离，经基质辅助激光电离（MALDI）或电喷雾电离（ESI）等软电离技术将其离子化，带电蛋白质离子通过质量分析器将具有特定质荷比的肽段离子分离，然后经检测器分析。质谱技术与干血斑技术的结合为蛋白质组学研究和蛋白生物标志物筛选提供了强有力手段。图1 基于质谱技术的蛋白质组学分析流程[2]样本处理：采用干血斑打孔设备获得一定直径的干血斑样片，转移至EP管中，加入少量水后用组织研磨器或匀浆机快速、彻底破碎干血斑样片，剧烈摇晃试管。后续处理与常规样本的蛋白提取相似：加入蛋白裂解液（如SDS、SDC、RIPA等），冰上裂解约半小时（辅以震荡），低温、高转速离心后取上清，得干血斑蛋白提取物。分析和结果处理：蛋白质组学数据分析和结果处理包括：①应用数据库搜库对蛋白进行鉴定并相对定量分析，借助如主成分分析、相关性分析、聚类分析等方法掌握数据的整体情况；②对蛋白的生物学功能进行注释，例如GO功能注释、KEGG注释等；③通过蛋白的生物学功能或参与的信号通路可以进一步筛选与研究目标相关的蛋白进行后续的分析。分析仪器：蛋白质组学分析主要使用高分辨液质联用系统进行。可进行蛋白质组学分析的液质联用系统目前以进口为主，常见仪器主要有布鲁克、赛默飞、沃特世和SCIEX的Q-TOF、Q-Orbitrap、Q-Trap质谱仪等。2. 干血斑蛋白分析应用实例分享2.1 采用ELISA法分析干血斑中HIV抗体1996年美国食品药品监督管理局（FDA）批准了以干血斑为载体的样本邮寄传递检测模式，并证明其可作为传统检测模式的良好补充，极大地推动了干血斑技术在传染性疾病分析中的应用。在我国，全国艾滋病检测技术规范（2020年修订版）第二章第4部分“常规HIV抗体或HIV抗体抗原联合检测方法”中指出：ELISA试验可使用血液（包含血清、血浆和干血斑）或尿液样本检测HIV抗体，也可联合检测HIV抗体抗原，说明干血斑在基于ELISA技术的HIV抗体检测中是可代替血浆、血清的生物样本基质，具有广阔的应用前景。近年来，相关专家多推荐受检者使用HIV自主采样包，根据说明采集干血斑样本，匿名寄至专业实验室，通过电话等方式获取结果。图2 RDA Spot公司的干血斑自主采样包（包含一次性采血针，消毒湿巾，样本采集卡，使用说明书及用于运输的特殊包装）图片来源：https://www.rdaspot.com/2.2 基于质谱技术的干血斑蛋白质组学分析研究人员建立了应用Thermo UltiMate 3000 RSLCnano纳升液相色谱联合Q Exactive HF-X质谱技术的干血斑蛋白质组学分析方法，并于2020年在Journal of Proteome Research中报道了该项工作[3]。由于全血中含有较多可溶性蛋白（如血红蛋白、白蛋白、纤维蛋白原等），研究人员为克服干扰、提高分析灵敏度，采用碳酸钠沉淀法（SCP）成功去除干血斑中可溶性蛋白并富集目标分析物疏水性蛋白。采用基于数据非依赖采集模式（DIA）的蛋白质组学分析方法，进行EMBL-EBI（针对人类蛋白GO功能分析的综合注释数据库）蛋白组学搜库分析，通过限定质谱扫描范围和延长离子累积时间等提高了分析方法的检测灵敏度。该研究最终在健康受试者干血斑样本中鉴定到1977种蛋白质，其中包含585种疾病相关蛋白。3. 小结与展望干血斑是一种先进的血液采集及保存技术，具有操作简单、对人体损伤小、便于运输和储存等优势，在临床快检中受到关注。干血斑技术与蛋白质研究的结合将有效推动蛋白质研究成果临床转化。随着分析技术的发展和相关研究的不断深入，前处理自动化仪器、高通量分析仪器和成熟的蛋白分析流程将成为干血斑蛋白质分析的有力工具，干血斑蛋白质分析定将在蛋白质分析中发挥重要作用，为高通量诊断、差异蛋白分析和疾病生物标志物挖掘等拓展新的技术平台。参考文献：[1] R. Guthrie, & Susi, A., A Simple phenylalanine method for detecting phenylketonuria in large populations of newborn infants., Pediatrics, 32 (1963) 338–343.[2] B. Kuster, M. Schirle, P. Mallick, R. Aebersold, Scoring proteomes with proteotypic peptide probes, Nature Reviews Molecular Cell Biology, 6 (2005) 577-583.[3] D. Nakajima, Y. Kawashima, H. Shibata, T. Yasumi, M. Isa, K. Izawa, R. Nishikomori, T. Heike, O. Ohara, Simple and sensitive analysis for dried blood spot proteins by sodium carbonate precipitation for clinical proteomics, Journal of proteome research, 19 (2020) 2821-2827.

仪器信息网讯 近日，中国科学院大连物理研究所生物分子高效分离与表征研究组(1810组)张丽华研究员和张玉奎院士团队，蛋白组组学分析最新成果发表于《自然-通讯》(Nature Communications)上。团队发展了N-磷酸化肽段高选择性富集新方法，并结合肽段的高效分离和高灵敏度鉴定，实现了N-磷酸化蛋白质组的深度覆盖分析。　　与研究相对深入的发生在丝氨酸、苏氨酸和酪氨酸侧链氨基上的蛋白质O-磷酸化修饰相比，发生在蛋白质组氨酸、精氨酸和赖氨酸上的N-磷酸化修饰，由于P-N酰胺键具有较高的吉布斯自由能，且易发生水解，目前仍缺乏有效的N-磷酸化蛋白质组分析方法，制约了人们对其生物学功能的认识。　　团队研制了具有核壳结构的亚二微米硅球，并通过在硅球表面键合双二甲基吡啶胺双锌分子，在中性条件下实现了N-磷酸化肽段的高效、高选择性、快速富集 通过基于该材料的on-tip富集方法和液质联用分离鉴定的结合，不仅从HeLa细胞中鉴定到3384个N-磷酸化位点(目前最大的哺乳动物N-磷酸化数据集)，而且还发现N-磷酸化位点附近亮氨酸高度表达 建立的N-磷酸化蛋白质组分析新方法不仅为深入研究其生物学功能提供了基础数据，而且也为推动精准医学、合成生物学等领域的发展提供了技术支撑。　　上述工作得到国家自然科学基金、国家重点研发计划、中科院大连化物所创新基金等项目的资助。文章链接：《自然-通讯》(Nature Communications)。

蛋白质是生命的物质基础，通过与不同生物分子间的相互作用在生物体内执行着各项重要工作，其功能与结构直接相关。因此，解析蛋白质及其复合物高阶结构对于深入理解蛋白质功能、生理现象及药物研发具有重要意义。过去的60余年，随着X-射线晶体衍射(X-ray)、核磁共振(NMR)以及冷冻电镜(cryoEM)等技术的出现和不断发展，蛋白质结构解析取得了长足发展。然而，如何在分析蛋白质时使其保持近似自然生理环境的非变性状态，对其动态、异质性、相互作用等属性的研究是结构生物学领域的热点和难点。　　质谱技术的不断发展使其在蛋白质结构表征领域发挥了越来越重要的作用。非变性质谱(native MS)兴起于20世纪90年代，是一种可以分析蛋白高阶结构的生物质谱方法。与传统的破坏蛋白质立体结构和弱相互作用力的方法不同，非变性质谱采用质谱兼容的近生理pH值的溶液体系(主要为醋酸铵)和更温和的电离方式，使生物大分子在气相中能够最大程度地保持自然折叠状态、非共价相互作用和相关的生物学功能。因此，非变性质谱可以提供分子质量、寡聚态、构象(折叠vs 去折叠)、异质性、配体结合、靶蛋白-小分子亲和力以及复合物中蛋白亚基的相互作用网络关系等更具生物学意义的重要信息，为蛋白质“序列-结构-功能”关系提供分子基础，已成为结构生物学不可或缺的互补工具,在生物制药、蛋白一配体、蛋白一蛋白复合物结构分析等诸多领域具有广泛应用。　　近年来,蛋白质结构研究领域经历着剧烈的技术迭代。2021年人工智能(AI) AlphaFol2横空出世,将蛋白质3D结构预测的精度从60%提升到90%以上,在给传统结构解析技术带来冲击的同时,也为结构质谱的发展提供了契机。　　未来,非变性质谱技术的发展需要简化样品处理,提升仪器的灵敏度、分析通量和鲁棒性,实现内源性蛋白复合物样本的直接或原位分析,推动其在生物医药表征、蛋白多聚态等领域的更广泛应用。非变性质谱技术与离子消度(MS)、自上而下串联解离(top-down)、电荷检测质谱(CDMsS)等创新联用技术和方法的不断开发及完善,将极大地提升结构信息的广度、丰富度及精确度,补充生物物理学方法缺失的结构信息。同时,非变性质谱与cryoEM1、氢完交换质谱(HDX-MS)、交联质谱等技术联用将更加常态化,这些实验数据与AI结构预测算法的进一步整合将有效解决蛋白及蛋白复合物结构预测存在的精度问题,推动结构生物学发展,助力新药研发。　　此外,非变性质谱技术的应用发展将更加关注:1)蛋白复合物结构一功能关系的研究,通过与计算机模拟(MD)、HDX-Ms、cryoEM等技术联用,揭示标志物蛋白在人类疾病发展过程中的作用,推动靶向药物设计和精淮医疗 2)通过研究小分子与靶蛋白的相互作用获取二者结合的亲和力信息,加速靶向药物筛选 3)翻译后修饰(PTMS)、突变等因素导致的蛋白高度异质性及其对蛋白或亚基折叠动力学、构象及构象变化、结合计量比等造成的结构和功能影响 4)蛋白与其他生物分子(配体、DNAA/RNA、金属离子等)之间的相互作用。　　李惠琳，中山大学药学院教授，博士生导师。主要从事生物大分子质谱新技术的开发及应用，其研究主要侧重于1)开发整合结构质谱技术，并对蛋白质机器结构、功能和动态变化及靶向药物作用分子机制进行深入研究2)开发middle-down/top-down蛋白质组学技术，探索蛋白翻译后修饰在生命过程中的调控机制。承担国家自然科学基金项目3项，荣获美国质谱学会颁发的Postdoctoral Career Development Award (2014) ，入选珠江人才计划(青年拔尖人才，2019)，其研究成果发表在Nature Chemistry, Analytical Chemistry, J. Am.Soc.Mass Spectrom.等杂志。　　"非变性质谱技术研究与应用"专栏共收录7篇论文,既介绍了非变性质谱技术的样品制备、离子源、质量分析器、联用技术等基础内容,也涵括了样品提取、样品引入、离子化及电荷操控等方式,以及在蛋白结构及构象解析、蛋白・蛋白相互作用等领域的应用,代表了国内非变性质谱技术的发展现状。希望本专栏能成为《质谱学报》广大读者颇有价值的科技文献,同时也希望更多的学者加入到非变性质谱研究领域,推动我国结构质谱技术的创新发展。

蛋白质（protein）是组成人体一切细胞、组织的重要成分，是生命的物质基础，分子结构由α—氨基酸按一定顺序组合和排列形成氨基酸顺序不同的多肽链，这些多肽链进一步通过交联构成。蛋白质的复杂结构是其功能多样性的前提和基础，对其分子结构及发挥生物活性的机制进行研究具有重要意义。蛋白质空间结构（图片来源：网络）与其他有机或无机化合物晶体结构一样，蛋白质晶体结构是由相同的蛋白质分子或蛋白质分子复合物在空间中有序排列,从而构成的规则的3D阵列。根据蛋白质晶体结构排列的对称性，晶体中的所有分子相对于晶格具有有限数量的独特取向。蛋白分子通过在晶格中的有序排列，将单个分子的衍射值叠加，最终获得足以测量的衍射强度，其中晶格起到放大器的作用。结晶研究作为探究生物大分子结构及功能的重要手段，有力的推动了蛋白质分子结构的研究进程。 蛋白质晶体结构（图片来源：网络）时至今日，蛋白结晶还存在许多问题，制约着蛋白结构测定的速度。工欲善其事必先利其器，蛋白晶体成像仪作为高通量筛选蛋白质结晶的重要工具，可进行蛋白晶体研究的自动化成像和分析，为下一步进行蛋白质晶体衍射、确定结构奠定基础，最终应用于制药和生命科学领域的研究。蛋白晶体成像仪通过精确的温度控制提供稳定的蛋白质晶体培育环境，在甄别分析中，通过可见光、偏振光、紫外三种模式辨别晶体是否为蛋白晶体并观察晶体成长过程，可对晶体快速定位、自动化拍摄高质量影像。相比传统显微镜，它在蛋白晶体观察捕获的敏感度、成像质量、样本的自动定位等方面都有了很大提升，重要参数指标包括物镜倍数、附镜倍数、数值孔径、景深(mm)、视场(mm)、像素尺寸(μm)、光学分辨率(μm)等。目前市场的蛋白质晶体成像仪主流厂商有赛默飞、腾泉生物、安捷伦、Formulatrix等，不同品牌产品也各具特色。以Formulatrix的产品为例来介绍蛋白质晶体成像仪，蛋白晶体成像仪同时具备可见光和紫外荧光功能，可创造蛋白晶体的培养、成长环境，精确恒定温度和振动隔离。除此之外，仪器提供最多970个结晶板的存储和培养空间，能实现准确实验样本自动定位、智能影像捕捉拍摄等功能。在观察晶体成长过程的同时，可进行数据库数据对比和搜索，以确定蛋白晶体的存在和成长，对蛋白质晶体进行跟踪研究。蛋白液滴定局部成像（图片来源：Formulatrix）蛋白质晶体可见光及紫外成像（图片来源：Formulatrix）更多信息，点击进入仪器信息网相关仪器专场：https://www.instrument.com.cn/zc/2582.html

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，Microfluidic Platform for Time-Resolved Characterization of Protein Higher-Order Structures and Dynamics Using Top-Down Mass Spectrometry [1]，文章的通讯作者是北京大学生物医学前沿创新中心的王冠博教授和中国科学院深圳先进技术研究院的门涌帆副研究员。　　蛋白质的高阶结构和动力学特性对理解蛋白质的生物学功能和揭示其潜在机制至关重要。自顶向下质谱法(Top-down MS)在完整蛋白水平和肽段碎片水平都能获得结构信息。非变性Top-down MS可以分析蛋白质复合体的结构以及完成亚基鉴定和修饰分析。自顶向下氢/氘交换质谱(Top-down HDX MS)为构象或结合界面分析提供了高空间分辨率，并实现了构象特异性表征。微流控芯片可以为这些质谱工作流程的前端反应提供优越的平台。然而，目前大多数质谱微芯片装置是为Bottom-up或Top-down蛋白质组学设计的。本文中，作者提出了一种用于蛋白质高阶结构和动态Top-down MS分析的芯片设计策略。它适用于时间分辨的非变性质谱和HDX质谱，该设计旨在有效电离完整的蛋白质复合物，灵活控制多种反应物流动，并在较大的流速范围内精确控制反应时间在亚微升/分钟。本文通过对单克隆抗体、抗体-抗原复合物和共存蛋白构象等体系的分析来验证该装置的性能。　　TDK-MS(Top-down and kinetic MS)芯片的结构如图1A所示，该方法可以有效电离完整的蛋白质，包括单克隆抗体(mAb)和抗体-抗原复合物(图1 B, C)。　　图1. 完整蛋白质和蛋白质复合体在非变性条件下的高效电离　　虽然分析蛋白质组合化学计量学和监测构象变化需要保持蛋白质高阶结构和非共价相互作用的完整性，然而为了推导结构信息或在串联MS中展开蛋白质以提高碎裂效率，往往需要不同程度的变性来产生亚复合体，因此变性剂的浓度和变性的时间对变性程度至关重要。本文中，作者采用交错人字微结构(Herringbone microstructure, HM)(图2A, B)，并对其性能进行了评估(图2C−E)。如此高的混合效率为进一步微型化芯片混合模块提供了可能。在监测Mb的变性时，作者使用TDK-MS芯片和商用混合三通管平行混合holo-Mb溶液(5 μM)与乙腈(ACN)，并比较它们在混合比例变化时的响应(图2F)。TDK-MS芯片在非变性和变性条件之间切换的快速响应通过NIST mAb的变性得到了证明，在向NIST mAb溶液中添加甲酸后，响应时间小于5分钟(图2G)。　　图2. 高效混合和快速响应的流体控制　　微芯片的灵活通道设计允许引入独立控制的溶液。例如，尽管酸和有机溶剂都能诱导变性，但这两种变性剂同时存在时，对变性途径的影响是不同的。Mb和Hb是血红素蛋白，其中血红素基团分别非共价连接在1条多肽链和4条非共价组装链上，因此这是研究共存复合体解离动力学和亚基构象变化的理想模型。将5 μM holo蛋白溶液与ACN和FA按一定的混合比例依次混合，可以通过解离产物的出现和蛋白质离子电荷态分布的变化来表征复杂的解离和蛋白质的展开。在固定ACN浓度下，随着FA浓度从0.01增加到0.3% (v/v)，依次观察到的主要现象是血红素丢失、apo-Mb展开以及折叠的holo-Mb转化为展开的apo-Mb(图3A)。相比之下，在FA浓度恒定的情况下，当ACN从1增加到50%时，Mb主要表现为血红素损失，只有中等程度的apo-Mb展开，这可能是由于展开的部分迅速聚集(图3B)。　　图3. (A)增加FA浓度，固定ACN浓度和(B)增加ACN浓度，固定FA浓度时获得的Mb和Hb的质谱图。　　在HDX MS检测中，TDK-MS芯片提供了快速和有效的氘代及淬灭，精确控制HDX反应时间，并在2H-标记形式下高效电离完整蛋白质(图4)。　　图4. 2H标记完整的(A)Mb、(B)Hb α亚基和(C)Hb β亚基在不同反应时间下的HDX质谱图　　由于过大的流速不利于电离效率，并且有可能会增加堵塞或流动中断的风险，因此流速应保持在最佳范围内，这又限制了混合通道中HDX时间的可调节范围，从而影响了HDX动力学分析的灵活性。为了解决这一问题，作者设计了一个具有多个不同长度反应通道的混合模块，在不更换芯片的情况下，除了改变流速外，还可以通过通道切换在更大范围内调整反应时间。在原型芯片中，5个不同长度的通道可以在对蛋白质电离和流动稳定性都最优的流速下，产生从几秒到几分钟不等有效的HDX时间(图5)。　　图5. Top-Down HDX MS 分析　　本文中作者开发的策略将有利于生物大分子结构的精细分析，并有助于质谱微芯片的方法开发。