专家点评 Nat Commun︱北京大学邹鹏团队开发定量蛋白质组学方法prox-SILAC揭示亚细胞区域内蛋白质动态变化
撰文︱邹鹏课题组
图1. prox-SILAC标记方法在线粒体基质中的应用
图2. prox-SILAC技术揭示内质网腔内蛋白质动态变化
总结一下,该研究整合APEX标记技术与pulse-SILAC技术,开发了prox-SILAC方法,成功鉴定了线粒体和内质网腔内的蛋白质组动态变化,揭示了蛋白质具有亚细胞区域特异的代谢速率,为深刻解读蛋白质稳态与转运过程提供了重要化学生物学工具。值得注意的是,prox-SILAC标记在一定程度上受限于APEX2酶活性与标记偏好性,因此所鉴定到的蛋白质种类和定量结果可能存在一定偏差。
专 家 点 评
田瑞军,教授,南方科技大学
蛋白质是细胞行使生命过程的核心分子机器,针对其表达、代谢、转运的研究对于探究生命过程的分子机制,解读生命天书具有重要的意义。在“时”与“空”的双重维度上阐述蛋白质分子的一生,有助于充分揭示细胞内的微观世界,从而助力宏观层面的生理学、行为学、疾病与诊断的发展。
近年来邻近标记技术的快速发展为空间蛋白质组学研究提供重要工具。主流方法包括基于过氧化物酶的邻近标记技术,如APEX、HRP,及基于生物素连接酶的邻近标记方法,如BioID、TurboID等。这些技术通过酶促反应在细胞原位对蛋白质进行共价标记,通过高活性中间体有限的扩散半径保证了其亚细胞层面的空间分辨率。不过邻近标记方法仅能反映蛋白质组丰度的高低,而无法体现蛋白质合成与降解速率的快慢。细胞为了应对外在或内在的环境或干扰,往往通过调控蛋白质的合成与降解以维持其稳态,或对其丰度、定位进行调整。因此亚细胞层面上的蛋白质组学表征需要在探究蛋白质组丰度差异的基础上更进一步,深入到包括蛋白质的合成、降解、转运在内的代谢水平。
邹鹏团队结合时间维度上的稳定同位素标记技术和空间层面上蛋白质邻近标记技术,开发了prox-SILAC技术,生动绘制了蛋白质分子在生理和病理条件下的动态代谢图谱。具体来说,该工作包含以下亮点:
(一)绘制了生理状态下线粒体与内质网腔内蛋白质代谢水平图谱。该工作通过线粒体机制与内质网腔内的prox-SILAC标记描绘了其中蛋白质在生理状态下的蛋白质代谢水平,并进一步通过聚类分析确定不同亚细胞器定位、不同分子机器、不同信号通路中蛋白质代谢的异质性与一致性,并提出合理而有趣的生物学猜想。如线粒体氧化呼吸链复合物I的各个亚基整体代谢速率的偏高可能与其在电子传递过程中易于被氧化损伤有关,另外内质网腔内驻留蛋白质与分泌蛋白质整体的代谢水平差异也与分泌过程、蛋白质功能息息相关。
(二)绘制了内质网应激条件下和细胞分化过程中内质网腔内蛋白质动态代谢网络。该工作观察到内质网应激条件下内质网腔内蛋白质整体代谢速率放缓,而细胞分化过程中其速率先提高再放缓。prox-SILAC全面而准确地提供了内质网在面对外界刺激干扰下的蛋白质代谢图谱,为更深入的分子生物学和细胞生物学研究提供了重要数据支持。
总的来说,该工作既提供了生理与病理状态下亚细胞蛋白质代谢的变化图谱,为后续的理论和临床研究提供数据支持,也提供了亚细胞层面上表征蛋白质代谢过程的重要化学蛋白质组学工具。
转载须知:“岚翰生命科学”特邀稿件,且作者授权发布;本内容著作权归作者和“岚翰生命科学”共同所有;欢迎个人转发分享,未经授权禁止转载,违者必究。
“逻辑神经科学”和千奥星科联合开展主题【光遗传学与遗传编码钙探针和神经递质探针工作原理及应用】和【在体成像技术在神经科学研究的基础与应用】的【神经环路主题系列】技能培训班第三期将于2023年12月9-11日(周六至周一)在南京举办。主讲老师:复旦大学陈明研究员和北京大学博士后万金霞(合作导师李毓龙教授)。讲师示教与学员实际操作+学员自主巩固学习、助教全程答疑与协助。“理论知识,操作技能,科研思维”综合学习和提升。欢迎报名咨询,参加学习。内容详见(点击阅读):神经环路主题系列︱神经活动的光学控制与记录(第三期)
(注:不按要求格式备注,则不通过好友申请)
参考文献 [1] Dieterich, D. C., Link, A. J., Graumann, J. et al. Selective identification of newly synthesized proteins in mammalian cells using bioorthogonal noncanonical amino acid tagging (BONCAT). Proc Natl Acad Sci U S A 103, 9482-9487 (2006).[2] Snider, J., Wang, D., Bogenhagen, D. F. et al. Pulse SILAC Approaches to the Measurement of Cellular Dynamics. Adv Exp Med Biol 1140, 575-583 (2019).[3] Boisvert, F. M., Ahmad, Y., Gierliński, M. et al. A quantitative spatial proteomics analysis of proteome turnover in human cells. Mol Cell Proteomics 11, M111.011429 (2012).[4] Roux, K. J., Kim, D. I., Raida, M. et al. A promiscuous biotin ligase fusion protein identifies proximal and interacting proteins in mammalian cells. J Cell Biol 196, 801-810 (2012).[5] Branon, T. C., Bosch, J. A., Sanchez, A. D. et al. Efficient proximity labeling in living cells and organisms with TurboID. Nat Biotechnol 36, 880-887 (2018).[6] Martell, J. D., Deerinck, T. J., Sancak, Y. et al. Engineered ascorbate peroxidase as a genetically encoded reporter for electron microscopy. Nat Biotechnol 30, 1143-1148 (2012).[7] Lam, S. S., Martell, J. D., Kamer, K. J. et al. Directed evolution of APEX2 for electron microscopy and proximity labeling. Nat Methods 12, 51-54 (2015).[8] Kim, D. I. & Roux, K. J. Filling the Void: Proximity-Based Labeling of Proteins in Living Cells. Trends Cell Biol 26, 804-817 (2016).
本文完