XiaoMi-AI文件搜索系统
World File Search System蛋白质
机器学习驱动的糖蛋白质组学分析标识了新型糖尿病相关的糖基化生物标志物
糖基化在包括糖尿病在内的蛋白质功能和疾病进展中起着至关重要的作用。这项研究进行了全面的糖蛋白分析，比较了健康的志愿者（HV）和DM样品，并鉴定出19,374肽和2,113种蛋白质，其中11104种是糖基化的。总共将287种不同的聚糖映射到3,722个糖基化的肽，揭示了HV和DM样品之间糖基化模式的显着差异。统计分析确定了29个显着改变糖基化位点，在DM中上调了23个，在DM中下调了6个。值得注意的是，在DM中，在Prosaposin的位置215处的Glycan HexNAC（2）Hex（2）FUC（1）在DM中显着上调，标志着其首次报道的与糖尿病的关联。机器学习模型，尤其是支持向量机（SVM）和广义线性模型（GLM），在基于糖基化特征（Glycans，糖基化蛋白质和糖基化位点）区分HV和DM样品时，可以在区分HV和DM样品时获得高分类精度（〜92％：96％）。这些发现表明，改变的糖基化模式可能是糖尿病相关病理生理和治疗靶向的潜在生物标志物。
全基因组碱基编辑器筛选鉴定酵母中蛋白质丰度的调节剂
摘要 蛋白质是细胞中的关键分子，其丰度不仅在基因表达水平而且在转录后水平受到广泛调控。在这里，我们描述了一种酵母基因筛选方法，该方法能够系统地表征蛋白质丰度调控在基因组中的编码方式。该筛选方法结合了 CRISPR/Cas9 碱基编辑器来引入点突变，并对内源性蛋白质进行荧光标记以方便流式细胞仪读数。我们首先使用单个 gRNA 以及正向和负向选择筛选对酵母中的碱基编辑器性能进行了基准测试。然后，我们研究了 16,452 种基因扰动对代表各种细胞功能的 11 种蛋白质丰度的影响。我们发现了数百种调控关系，包括 GAPDH 同工酶 Tdh1/2/3 与 Ras/PKA 通路之间的新联系。许多已识别的调节因子特定于这 11 种蛋白质中的一种，但我们还发现了一些基因，这些基因在受到扰动时会影响大多数测试蛋白质的丰度。虽然更具体的调控因子通常作用于转录，但广泛的调控因子往往在蛋白质翻译中发挥作用。总的来说，我们的新筛选方法为蛋白质调控网络的组成部分、规模和连通性提供了前所未有的见解。
膜蛋白质 - 含量的定量，时间分辨测量
图。5：用酪蛋白钝化的悬臂背面的AFM图像在0.5pm T5溶液的溶液中孵育1.5h（箭头标记T5噬菌体或可能的酪蛋白聚集体）请注意，这里的条件与手稿中呈现的原位实验不同。
一种用于检测蛋白质的酵母交配选择方案
最近，出现了一种新的蛋白质蛋白质相互作用研究的方法。可以使用田野和同事开发的“两杂交系统”（1，2）来寻找新的相互作用蛋白质，或者验证和表征可能会根据遗传或生物化学数据关联的蛋白质之间的相互作用。两种杂交系统是一种分子遗传方法，它利用酵母转录因子GAL4的结构柔韧性。GAL4蛋白包含两个结构域，即DNA结合域和转录激活剂结构域。这两个结构域不必成为同一蛋白的一部分来完成转录激活（3）。当两个结构域分别融合到两个无关但相互作用的蛋白质时，由于蛋白质 - 蛋白质相互作用，可以实现转录激活。通常，使用两种杂交系统对新的相互作用蛋白进行搜索是通过将含有UASC的集成拷贝的酵母菌菌株共转换。1J-LACZ报告基因和两个质粒（2，4-6）。一个质粒编码GAL4的DNA结合结构域与感兴趣的蛋白质的融合，而另一个质粒（库质粒）编码GAL4转录激活结构域的融合以随机生成的编码区域。因此，DNA结合结构域融合将与报告基因上游的UASGAL元件结合。如果由文库融合质粒编码的蛋白质与感兴趣的蛋白质相互作用，则转录激活结构域成为报告基因上游的共定位，从而导致转录激活。有效使用两个杂交系统需要产生大量的酵母转化体。由于酵母的转化仍然比细菌的效率低四个数量级，因此对于详尽的cDNA文库筛网来说，转化可能是限制步骤。在本文中，我们设计了一种简单的方法，可以消除对转化的需求，并允许用户搜索
蛋白质结合的尿毒症毒素作为心血管，肾脏和代谢性疾病的治疗靶点
心血管 - 基德尼代谢（CKM）综合征是一种全身临床疾病，其特征是代谢异常，慢性肾脏疾病和心血管疾病之间的病理和生理相互作用，导致多器官功能障碍以及心血管界面发病率高。在这些患者中，管理CKM综合征风险的传统方法不足，需要针对特定CKM综合征风险因素的策略。越来越多的证据表明，解决尿毒症毒素和/或尿毒症毒素引起的途径可能会降低CKM综合征的风险并治疗疾病。本综述探讨了尿毒症毒素中心脏，肾脏和代谢途径之间的相互作用，并强调了尿毒症毒素作为这些疾病病理生理学中潜在的治疗靶靶标的显着作用。旨在调节这些尿毒症毒素的策略为逆转和管理CKM综合征提供了潜在的途径，为其临床诊断和治疗提供了新的见解。
通过共透明蛋白折叠发现蛋白质的蛋白质量，发现专门的核糖体相关伴侣EEF1A Jany Quintana C
抽象新合成的蛋白质是从核糖体出口隧道中涌现出来的未折叠多肽。将这些新生的链折叠成天然构象，对于蛋白质功能和防止行驶的相互作用至关重要，从而触发错误折叠和危害蛋白质组稳定性。但是，实现正确的3D结构是暴露于细胞质中高浓度分子的新生链的主要挑战。一般与核糖体相关的伴侣有助于各种新生肽的共转折叠。目前尚不清楚该“单尺寸合适”系统是否确保具有挑战性折叠路径的蛋白质表达，还是专门与核糖体相关的伴侣管理此类苛刻客户的折叠。在研究I中，我们研究了HSP70伴侣如何调节HSF1，这是一种转录因子，介导细胞对蛋白毒性应激的反应。我们证明了HSP70直接与HSF1结合，使其在非压力条件下保持潜在状态。蛋白质错误折叠，特别是新合成的蛋白质，将HSP70滴定，激活HSF1并诱导应力反应。因此，响应错误折叠蛋白的HSP70可用性是HSF1活性的关键调节机制。在研究II中，我们确定了一种专业的核糖体相关伴侣CHP1，该伴侣CHP1有助于EEF1A的共同折叠，这是一种高度丰富的多域GTPase，对于mRNA转化至蛋白质至关重要。删除CHP1导致EEF1A的快速蛋白水解，广泛的蛋白质聚集以及HSF1介导的应激反应的激活。最后，在研究III中，我们阐明了CHP1如何有助于EEF1A折叠和EEF1A折叠途径中伴侣作用的有序序列。我们发现CHP1与EEF1A G域的开关I区域中的α3螺旋结合，对于核苷酸结合至关重要，从而延迟了G域的核苷酸引导的折叠。随着EEF1A结构域II的合成开始，将基板转移到下游伴侣ZPR1以进行最终成熟。我们的结果提供了洞察共同翻译蛋白折叠的分子机制及其对蛋白质组稳定性的影响，以及对HSF1的调节，这是真核细胞中对蛋白质毒性应激的反应的中心介体。
基于图的蛋白质设计的生成模型
工程蛋白质有可能解决生物医学、能源和材料科学中的许多问题，但在实践中创造出成功的设计却很困难。这一挑战的一个重要方面是蛋白质序列和三维结构之间的复杂耦合，而找到一种可行设计的任务通常被称为逆蛋白质折叠问题。在这项工作中，我们引入了一种基于图形表示的给定三维结构的蛋白质序列条件生成模型。我们的方法通过关注那些在序列中是长距离但在三维空间中是局部的蛋白质，有效地捕捉蛋白质中复杂的依赖关系。这种基于图的方法在速度和可靠性方面都比传统和其他基于神经网络的方法有所提高，并借助深度生成模型向快速和有针对性的生物分子设计迈出了一步。
中央和周围神经系统的髓磷脂的小基本蛋白质由相同的基因编码
抽象周围神经系统（PNS）和中枢神经系统（CNS）啮齿动物髓素（由不同的细胞类型产生）具有共同的形态和功能特征，尽管它们的主要积分膜蛋白是完全不同的。两种类型的髓磷脂how- ever，包含四种髓磷脂碱性蛋白（Mbps），它们具有相似的免疫化学和电泳特性。我们已经分离并表征了与大鼠mRNA相对应的cDNA克隆，这些cNS和PNS髓磷脂中发现的小Mbps（SMBP）。对这些克隆的序列分析表明，神经系统的两个分裂中的SMBP均由相同的核苷酸序列编码，这表明它们是在少突胶质细胞和Schwann细胞中表达的相同基因的产物。与CNS SMBP cDNA作为探针中的点印刷杂交实验，结果表明，在CNS髓磷脂中，MBP mRNA水平高20倍，而总脑干mRNA中的MBP mRNA水平高20倍。还发现，在含有少突drocytes和schwann细胞的视神经和坐骨神经中，MBP mRNA的水平分别高（分别为4倍和2倍）。印迹杂交实验表明，源自大鼠SMBP cDNA的编码区域的探针杂交与人视神经中存在的同源mRNA（= 2.6千行酶），该探针无法检测到从3'未转移的区域中得出的探针。这种编码区域序列的保守性与两种物种中MBP报告的高度同质氨基酸序列一致。
使用量子计算机进行蛋白质折叠
半个多世纪以来，蛋白质折叠一直是最困难的问题之一，随机热运动导致构象变化，从而导致能量下降到天然结构，这是漏斗状能量景观中捕获的原理。未折叠的多肽具有广泛的可能构象。由于潜在构象随链长呈指数增长，搜索问题对于经典计算机来说变得难以解决。到目前为止，有理论和实验证据表明，使用量子退火、VQE 和 QAOA 等量子计算方法解决此类优化问题具有优势。虽然谷歌的 DeepMind-AlphaFold 已经取得了很大成就，但我们可以通过量子方法走得更远。在这里，我们展示了如何使用变分量子特征求解器预测蛋白质结构以及 RNA 折叠，并使用条件风险值 (CVaR) 期望值来解决问题并找到最小配置能量，我们的任务是确定蛋白质的最小能量结构。蛋白质的结构经过优化以降低能量。还要确保满足所有物理约束，并将蛋白质折叠问题编码为量子比特算子。