哈佛大学科学家发现了一种此前未知的细胞分解蛋白质的方式

哈佛大学科学家发现了一种此前未知的细胞分解蛋白质的方式在一次跨部门合作中，哈佛大学医学院的研究人员发现了一种名为midnolin的蛋白质，它在降解许多短寿命核蛋白的过程中发挥着关键作用。研究表明，midnolin是通过直接抓住蛋白质并将其拉入细胞废物处理系统--蛋白酶体，并将其破坏。科学家发现了一种细胞降解不需要的蛋白质的新方法，这些蛋白质会影响重要的神经、免疫和发育基因。这一发现可能有助于治疗由细胞中蛋白质失衡引起的疾病。研究结果最近发表在《科学》杂志上。共同第一作者、哈佛医学院神经生物学研究员XinGu说："这些特殊的短寿命蛋白质已经为人所知40多年了，但没有人确定它们究竟是如何降解的。"由于在这一过程中被分解的蛋白质会调节与大脑、免疫系统和发育有关的重要功能基因，科学家们最终可能会将这一过程作为控制蛋白质水平的目标，从而改变这些功能并纠正任何功能障碍。"我们发现的机制非常简单，而且相当优雅，"共同第一作者、HMS遗传学博士候选人ChristopherNardone补充说。"这是一项基础科学发现，但对未来有很多影响。"众所周知，细胞可以通过用一种叫做泛素的小分子标记蛋白质来分解蛋白质。标签会告诉蛋白酶体不再需要这些蛋白质，从而将其破坏。已故的弗雷德-戈德堡（FredGoldberg）在哈佛医学院完成了这一过程的大部分开创性研究。然而，有时蛋白酶体分解蛋白质时不需要泛素标签的帮助，这让研究人员怀疑存在另一种不依赖泛素的蛋白质降解机制。Nardone说："文献中有零星证据表明，蛋白酶体能以某种方式直接降解无标记的蛋白质，但没有人明白这是如何发生的。"有一类蛋白质似乎是通过另一种机制降解的，那就是刺激诱导转录因子：这些蛋白质在细胞受到刺激后迅速生成，并进入细胞核打开基因，然后迅速被破坏。Gu说："一开始，让我印象深刻的是，这些蛋白质极不稳定，它们的半衰期很短--一旦产生，它们就会发挥功能，之后很快就会被降解。"哈佛医学院布拉瓦特尼克研究所内森-马什-普西（NathanMarshPusey）神经生物学教授迈克尔-格林伯格（MichaelGreenberg）与哈佛医学院和布里格姆妇女医院格雷戈尔-孟德尔（GregorMendel）遗传学和医学教授斯蒂芬-埃利奇（StephenElledge）是这篇论文的共同第一作者。从少数到数百为了研究这一机制，研究小组从两个熟悉的转录因子入手：格林伯格实验室对Fos和EGR1进行了广泛研究，前者在学习和记忆中发挥作用，后者则参与细胞分裂和存活。研究人员利用埃利奇实验室开发的复杂蛋白质和基因分析方法，锁定了midnolin这种有助于分解这两种转录因子的蛋白质。后续实验发现，除了Fos和EGR1，midnolin还可能参与分解细胞核中的数百种其他转录因子。Gu和Nardone回忆说，他们对自己的研究结果感到震惊和怀疑。为了证实他们的发现，他们决定要弄清楚midnolin究竟是如何靶向和降解如此多不同的蛋白质的。Nardone说："当我们确定了所有这些蛋白质之后，关于midnolin机制究竟是如何工作的还有许多令人费解的问题。"借助一种名为AlphaFold的机器学习工具（可预测蛋白质结构），再加上一系列实验室实验的结果，研究小组得以充实这一机制的细节。他们发现，midnolin有一个"捕捉结构域"--该蛋白质的一个区域可以捕捉其他蛋白质，并将它们直接送入蛋白酶体，在蛋白酶体中被分解。这个"捕捉结构域"由两个独立的区域组成，这两个区域通过氨基酸连接在一起（就像一根绳子上的手套），能抓住蛋白质中一个相对非结构化的区域，从而使midnolin能够捕捉多种不同类型的蛋白质。值得注意的是像Fos这样的蛋白质负责开启基因，促使大脑中的神经元根据刺激进行接线和重新接线。IRF4等其他蛋白质通过确保细胞能够制造功能性B细胞和T细胞，激活支持免疫系统的基因。埃利奇说："这项研究最令人兴奋的地方在于，我们现在了解了一种不依赖泛素化的降解蛋白质的新的通用机制。"诱人的转化潜力在短期内，研究人员希望更深入地研究他们发现的机制。他们正计划进行结构研究，以更好地了解midnolin如何捕获和降解蛋白质的细节。他们还在制造缺乏midnolin的小鼠，以了解这种蛋白质在不同细胞和发育阶段的作用。科学家们说，他们的发现具有诱人的转化潜力。它可能提供一种途径，研究人员可以利用它来控制转录因子的水平，从而调节基因表达，进而调节体内的相关过程。格林伯格说："蛋白质降解是一个关键过程，它的失调是许多失调和疾病的基础，包括某些神经和精神疾病，以及一些癌症。"例如，当细胞中Fos等转录因子过多或过少时，可能会出现学习和记忆问题。在多发性骨髓瘤中，癌细胞会对免疫蛋白IRF4上瘾，因此它的存在会助长这种疾病。研究人员尤其感兴趣的是，找出哪些疾病可能是开发通过mindolin-蛋白酶体途径发挥作用的疗法的理想候选者。Gu说："我们正在积极探索的一个领域是如何调整该机制的特异性，以便它能特异性地降解感兴趣的蛋白质。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379781.htm手机版：https://m.cnbeta.com.tw/view/1379781.htm

研究人员发现了导致冷感的蛋白质 长期未解之谜迎刃而解

研究人员发现了导致冷感的蛋白质长期未解之谜迎刃而解麻省大学生命科学研究所教授、新研究的资深作者、神经科学家肖恩-徐（ShawnXu）说："20多年前，随着一种名为TRPV1的热感应蛋白的发现，这一领域开始发现这些温度传感器。各种研究都发现了能感知高温、暖气甚至低温的蛋白质，但我们一直无法确认是什么能感知华氏60度以下的温度"。在2019年的一项研究中，徐的实验室的研究人员在秀丽隐杆线虫体内发现了首个冷感受体蛋白，秀丽隐杆线虫是一种身长一毫米的蠕虫，徐的实验室将其作为了解感官反应的模型系统进行研究。由于编码秀丽隐杆线虫蛋白质的基因在包括小鼠和人类在内的许多物种中都是进化保守的，这一发现为验证哺乳动物中的冷传感器提供了一个起点：一种名为GluK2（谷氨酸离子受体kainate型亚基2的缩写）的蛋白质。在这项最新研究中，来自生命科学研究所和麻省大学文学、科学和艺术学院的研究小组在缺少GluK2基因、因而无法产生任何GluK2蛋白的小鼠身上测试了他们的假设。通过一系列测试动物对温度和其他机械刺激的行为反应的实验，研究小组发现，小鼠对高温、暖气和低温的反应正常，但对有害的寒冷却没有反应。GluK2主要存在于大脑中的神经元上，它接收化学信号，促进神经元之间的交流。但它也在外周神经系统（大脑和脊髓之外）的感觉神经元中表达。麻省大学分子、细胞和发育生物学副教授、该研究的共同第一作者段博说："我们现在知道，这种蛋白质在外周神经系统中发挥着完全不同的功能，它处理温度线索，而不是感知寒冷的化学信号。"虽然GluK2因其在大脑中的作用而闻名，但徐推测，这种温度感应作用可能是这种蛋白质的原始用途之一。"GluK2基因在整个进化树中都有亲缘关系，一直可以追溯到单细胞细菌。但它非常需要感知环境，也许既需要温度，也需要化学物质，"身兼麻省理工大学医学院分子和综合生理学教授的徐说。"因此，我认为温度感应可能是一种古老的功能，至少对其中一些谷氨酸受体来说是如此，随着生物进化出更复杂的神经系统，这种功能最终被采用。"除了填补温度感应难题的空白，徐认为这项新发现还可能对人类的健康和福祉产生影响。例如，接受化疗的癌症患者常常会对寒冷产生痛苦的反应。GluK2是哺乳动物体内的一种冷传感器，这一发现为更好地理解人类为何会对寒冷产生疼痛反应开辟了新的途径，甚至可能为治疗冷觉过度兴奋患者的疼痛提供了潜在的治疗靶点。编译自:ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1425342.htm手机版：https://m.cnbeta.com.tw/view/1425342.htm

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

微软开源新型蛋白质生成人工智能 EvoDiff

微软开源新型蛋白质生成人工智能EvoDiff但是，从计算和人力资源的角度来看，目前在实验室设计蛋白质的过程成本高昂。它需要提出一种能在体内执行特定任务的蛋白质结构，然后找到一种可能"折叠"到该结构中的蛋白质序列（组成蛋白质的氨基酸序列）。(蛋白质必须正确折叠成三维形状，才能实现其预期功能）。其实不一定非要这么复杂。本周，微软公司推出了一个通用框架EvoDiff，该公司声称可以根据蛋白质序列生成"高保真"、"多样化"的蛋白质。与其他蛋白质生成框架不同的是，EvoDiff不需要目标蛋白质的任何结构信息，省去了通常最费力的步骤。微软高级研究员凯文-杨（KevinYang）说，EvoDiff开源后，可用于创建新疗法和给药方法的酶，以及用于工业化学反应的新酶。"我们的设想是，EvoDiff将扩展蛋白质工程的能力，使其超越结构-功能范式，走向可编程、序列优先的设计，"EvoDiff的共同创建者之一杨在接受TechCrunch电子邮件采访时说。"通过EvoDiff，我们证明了我们可能实际上并不需要结构，而是'蛋白质序列就是你所需要的一切'，从而可控地设计出新的蛋白质"。EvoDiff框架的核心是一个640参数模型，该模型是根据所有不同物种和功能类别蛋白质的数据训练而成的。(参数"是人工智能模型从训练数据中学到的部分，基本上定义了模型处理问题的技能--在本例中就是生成蛋白质）。训练模型的数据来自序列比对的OpenFold数据集和UniRef50，后者是UniProt数据集的一个子集，UniProt是由UniProt联盟维护的蛋白质序列和功能信息数据库。EvoDiff是一种扩散模型，其结构类似于稳定扩散和DALL-E2等许多现代图像生成模型。EvoDiff可以学习如何从几乎完全由噪声组成的起始蛋白质中逐渐减去噪声，从而使其缓慢地、一步一步地接近蛋白质序列。EvoDiff生成蛋白质的过程。扩散模型已越来越多地应用于图像生成以外的领域，从设计新颖的蛋白质（如EvoDiff），到创作音乐，甚至合成语音。"如果说[从EvoDiff]中能得到什么启发的话，我认为那就是我们可以--也应该--通过序列来生成蛋白质，因为我们能够实现通用性、规模和模块化，"EvoDiff的另一位共同贡献者、微软高级研究员阿瓦-阿米尼（AvaAmini）通过电子邮件说。"我们的扩散框架让我们有能力做到这一点，也让我们能够控制如何设计这些蛋白质，以实现特定的功能目标。"对于阿米尼的观点，EvoDiff不仅能创造新蛋白质，还能填补现有蛋白质设计中的"空白"。例如，如果蛋白质的某一部分与另一种蛋白质结合，该模型就能围绕这一部分生成符合一系列标准的蛋白质氨基酸序列。由于EvoDiff是在"序列空间"而非蛋白质结构中设计蛋白质，因此它还能合成最终无法折叠成最终三维结构的"无序蛋白质"。与正常功能的蛋白质一样，无序蛋白质在生物学和疾病中发挥着重要作用，比如增强或降低其他蛋白质的活性。需要指出的是，EvoDiff背后的研究还没有经过同行评审--至少目前还没有。参与该项目的微软数据科学家萨拉-阿拉姆达里（SarahAlAMDari）承认，在该框架投入商业应用之前，"还有很多扩展工作要做"。阿拉姆达里通过电子邮件说："这只是一个6.4亿参数的模型，如果我们将其扩展到数十亿参数，我们可能会看到生成质量的提高。虽然我们展示了一些粗粒度策略，但要实现更精细的控制，我们希望EvoDiff以文本、化学信息或其他方式为条件，指定所需的功能。"下一步，EvoDiff团队计划测试该模型在实验室中生成的蛋白质，以确定它们是否可行。如果可行，他们将开始下一代框架的工作。...PC版：https://www.cnbeta.com.tw/articles/soft/1384011.htm手机版：https://m.cnbeta.com.tw/view/1384011.htm

研究人员发现蛋白质RBM10可以阻止肺癌生长与扩散

研究人员发现蛋白质RBM10可以阻止肺癌生长与扩散杜兰大学（TulaneUniversity）的一项新研究发现了一种以前未知的分子途径，它可能有助于阻止肺癌的发生。肺癌是世界上最常见的癌症之一，也是导致癌症相关死亡的主要原因。该研究的资深作者、杜兰大学医学院雷诺兹和瑞安家族癌症转化讲座教授鲁华博士说，这项发表在《美国科学院院刊》上的研究可能会开发出一种新的抗癌药物和更个性化的肺癌治疗方法。研究发现，一种名为RBM10的已知肿瘤抑制蛋白可以通过抑制c-Myc的功能来抑制肺癌的生长。研究人员发现，RBM10与两种核糖体蛋白（RPL5和RPL11）合作，可以破坏c-Myc的稳定性，阻碍肺癌的扩散。这些发现首次确定了这两种蛋白质之间的抑癌关系。Lu说："我们发现，RBM10可以直接靶向降解c-Myc，并通过与RPL5和RPL11结合降低其致癌作用。我们对癌症有很多了解，但其中涉及的分子仍是一个黑箱。我们正在一点一点地加深理解。"要理解这一过程如何阻止肺癌的进展，可以想象一下细胞中的两个工厂，每个工厂都在制造部件，以组装成新的蛋白质机器；c-Myc在这一蛋白质生产过程中扮演着常规角色，在整个细胞生长过程中也是如此，没有它，人类就无法生存。这种生产过程偶尔会受到干扰，工厂开始生产不正确的部件。当癌症开始形成时，它就会利用c-Myc继续生产，让这些"备用零件"堆积起来形成肿瘤。RBM10在RPL5和RPL11的帮助下，可以破坏c-Myc的稳定性，并阻止肿瘤生长。重要的是，研究还发现，肺癌中经常发现的一种突变形式的RBM10失去了抑制c-Myc的能力，不能与RPL5和RPL11核糖体蛋白结合，最终促进肿瘤生长而不是抑制肿瘤生长。Lu说："RBM10是一种可以抑制癌细胞的重要蛋白质，但当癌症想要发展时，它就会突变RBM10，阻断这一功能。"研究人员希望进一步研究RBM10突变体的功能，希望能开发出针对它的抗癌药物。Lu说："希望我们能设计出一种分子，专门针对突变体，因为这是正常组织中不存在的特殊结构。"如果我们能转化这种突变体，就有望使它抑制c-Myc的致癌活性"。编译自：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1404515.htm手机版：https://m.cnbeta.com.tw/view/1404515.htm

科学家用尖端人工智能揭开蛋白质的秘密

科学家用尖端人工智能揭开蛋白质的秘密该工具由KAUST生物信息学研究员MaxatKulmanov及其同事开发，在预测蛋白质功能方面优于现有的分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。该模型被称为DeepGO-SE，它利用了类似于Chat-GPT等生成式人工智能工具所使用的大型语言模型。然后，它根据蛋白质工作方式的一般生物学原理，利用逻辑蕴含得出关于分子功能的有意义的结论。从本质上讲，它通过构建部分世界模型（在本例中为蛋白质功能），并根据常识和推理推断出在这些世界模型中应该发生的事情，从而赋予计算机逻辑处理结果的能力。一种新的人工智能（AI）工具能对未知蛋白质的功能进行逻辑推理，有望帮助科学家揭开细胞内部的奥秘。图片来源：©2024KAUST;IvanGromicho他补充说："这种方法有很多应用前景，"KAUST生物本体论研究小组负责人罗伯特-霍恩多夫（RobertHoehndorf）说，"特别是当需要对神经网络或其他机器学习模型生成的数据和假设进行推理时。"库尔曼诺夫和霍恩多夫与KAUST的斯特凡-阿罗德（StefanArold）以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译那些在体内作用未知的蛋白质功能的能力。该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列数据及其与其他蛋白质的已知相互作用，并精确地预测了其分子功能。该模型非常精确，在一次国际功能预测工具竞赛中，DeepGO-SE在1600多种算法中名列前20位。KAUST团队目前正在利用这一工具研究在沙特阿拉伯沙漠极端环境中生长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于确定生物技术应用中的新型蛋白质，并希望其他研究人员也能使用这一工具。库尔曼诺夫解释说："DeepGO-SE分析未表征蛋白质的能力可以促进药物发现、代谢通路分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1418103.htm手机版：https://m.cnbeta.com.tw/view/1418103.htm