news 2026/4/24 3:12:37

【液-液相分离研究】三大蛋白质组学技术如何高效分离与鉴定相分离蛋白

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【液-液相分离研究】三大蛋白质组学技术如何高效分离与鉴定相分离蛋白

引言

做相分离研究,最让人头疼的问题往往是第一步:我该从哪里下手找到那些真正参与相分离的蛋白?

液-液相分离(LLPS)作为细胞内无膜细胞器形成的核心机制,这几年热度一直不减。但真正上手做的时候,大家面临的难题其实很实在 —— 相分离蛋白富含低复杂度结构域(LCD),相互作用依赖弱多价力,形成的凝聚体又是高度动态、转瞬即逝的结构。目前还没有一个公认的、能高通量无偏倚地从全蛋白组里“海选”潜在选手的方法。

面对这个困境,近几年摸索出了几条可行的路子:一是利用LCD本身的理化特性去富集,二是反向破坏弱相互作用再看谁跑了,三是在活细胞里用邻近标记把空间邻居都标出来。今天就结合几篇代表性文献,把这三种策略的思路和应用场景梳理一下,希望能大家的实验设计提供一些参考。


策略一:利用LCD特性 —— b-isox无细胞富集法

技术原理

b-isox(生物素化异恶唑衍生物)是一种巧妙利用相分离蛋白自身特性的工具。在低于4°C的环境中,b-isox分子会自发组装形成微米级微晶结构。这些微晶表面可作为“种子”,特异性吸引含有低复杂度结构域或内在无序区域(IDR)的蛋白聚集,促使其发生聚合和相分离,最终形成可离心沉淀的复合物。

操作流程

制备细胞或组织裂解液

在4°C条件下加入b-isox,诱导相分离蛋白沉淀

离心收集沉淀,洗涤去除非特异性结合

质谱鉴定富集的蛋白组分

应用案例:从动物到植物的跨越

1.奠基性工作(Cell,IF=42.5)

研究者利用b-isox从多种小鼠组织和细胞系中富集出数百种RNA结合蛋白。进一步体外实验证实,纯化的LC结构域蛋白可从可溶态自发转变为水凝胶纤维。这项工作明确了一个核心结论:低复杂度序列是蛋白相分离的必要条件。

2.植物领域拓展(Molecular Plant,IF=24.1)

在拟南芥中应用b-isox筛选,成功鉴定出985个潜在相分离蛋白(ProX),涵盖不同组织和胁迫状态下的蛋白组。这证明该技术在植物系统中同样高效可靠。

技术要点提示

操作中需严格控制低温环境(<4°C),沉淀洗涤步骤应轻柔,避免破坏微晶-蛋白间的弱相互作用。


策略二:邻近标记 —— TurboID-MS活细胞原位鉴定

技术原理

TurboID是一种高效的生物素连接酶突变体,可在活细胞内实现邻近蛋白标记。在添加生物素和ATP的条件下,TurboID能将生物素高效转移至其周围约10nm范围内的蛋白赖氨酸残基上。通过链霉亲和素磁珠富集生物素化蛋白,结合质谱即可解析目标蛋白的“社交网络”。

应用案例:揭示多相凝聚体的边界调控者(Nature Cell Biology,IF=19.1)

1.科学问题:秀丽线虫生殖颗粒由P、Z、M三类多相凝聚体组成,它们彼此相邻却互不融合。哪些蛋白负责维持这种“不混溶性”?

2.研究策略:

  • 将TurboID分别融合至PGL-1(P颗粒)、ZNFX-1(Z颗粒)、MUT-16(M颗粒)核心蛋白
  • 邻近标记后富集鉴定互作蛋白组
  • 交叉分析发现HERD-1蛋白同时与三者互作,却独立于任一类凝聚体

3.关键发现:免疫荧光证实HERD-1定位于各类凝聚体的界面区域,是维持多相不相容性的关键调控因子。


策略三:破坏弱相互作用 —— Hi-MS己二醇鉴定法

技术原理

1,6-己二醇(1,6-HD)能够特异性溶解由疏水相互作用驱动的相分离凝聚体,释放其中包裹的蛋白。Hi-MS技术的核心在于:比较己二醇处理组与对照组的蛋白组分差异,从而反向推导参与相分离的蛋白群体。

操作流程(以染色质相关凝聚体为例)

甲醛交联固定染色质与凝聚体核心蛋白

温和裂解细胞,保留凝聚体结构

对照组与1,6-HD处理组分别孵育

限制性内切酶切割DNA,连接生物素寡核苷酸

链霉亲和素磁珠富集,质谱鉴定差异蛋白

应用案例:靶向促癌转录因子的凝聚体(Nature,IF=42.7)

1.科学问题:FOXM1是乳腺癌中高度活化的促癌转录因子,它能否形成相分离凝聚体?凝聚体状态是否影响其促癌功能?能否以此作为治疗靶点?

2.研究路径:

  • Hi-MS鉴定发现FOXM1在乳腺癌细胞中形成染色质相关凝聚体
  • FRAP和液滴融合实验证实其相分离特性
  • 结构域截短体分析锁定IDR1为关键驱动区域
  • 靶向破坏凝聚体可显著抑制肿瘤生长与转移

这一研究为“靶向相分离凝聚体”的抗癌策略提供了概念验证。


三类技术对比:如何选择适合你的策略?


总结

说到底,相分离蛋白的分离与鉴定,本质上就是抓住它两个最鲜明的特征做文章 —— 序列上偏爱LCD/IDR,行为上依赖弱相互作用。b-isox盯住序列特征搞富集,TurboID捕获空间邻近性来画“朋友圈”,Hi-MS则通过破坏凝聚体验证行为依赖性。三套逻辑,各有所长。

在实操层面,我们自己的体会是,这三类技术很少会单独押宝在某一个上。比较顺手的路径往往是:先用b-isox做个无偏好的初筛,把候选池子圈出来;再挑感兴趣的靶点,用TurboID把它的互作网络和空间定位搞清楚;最后上Hi-MS验证一下它在体内是不是真的靠相分离“干活”。这套组合拳走下来,数据的说服力会扎实很多。当然,每种方法都有各自的脾气和坑,比如b-isox对低温的苛刻要求、TurboID的背景控制、Hi-MS对凝聚体类型的偏好性等等,大家在设计实验时还是得结合自己的体系灵活调整。



参考资料

1. Kato M, Han TW, Xie S, et al. Cell-free formation of RNA granules: low complexity sequence domains form dynamic fibers within hydrogels. Cell. 2012;149(4):753-767. doi:10.1016/j.cell.2012.04.017

2. Zhang H, Peng F, He C, Liu Y, Deng H, Fang X. Large-scale identification of potential phase-separation proteins from plants using a cell-free system. Mol Plant. 2023;16(2):310-313. doi:10.1016/j.molp.2022.11.013

3. Zhao C, Cai S, Shi R, et al. HERD-1 mediates multiphase condensate immiscibility to regulate small RNA-driven transgenerational epigenetic inheritance. Nat Cell Biol. 2024;26(11):1958-1970. doi:10.1038/s41556-024-01514-8

4. Xie F, Zhou X, Ran Y, et al. Targeting FOXM1 condensates reduces breast tumour growth and metastasis. Nature. 2025;638(8052):1112-1121. doi:10.1038/s41586-024-08421-w

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/24 3:12:31

管理SELinux安全性

1.SELinux如何保护资源&#xff08;1&#xff09;SElinux可允许或拒绝访问文件和其他资源&#xff0c;且精准度比用户权限大幅提高SELinux 由若干组策略组成&#xff0c;准确声明了对于应用使用的每个可执行文件、配置文件和数据文件&#xff0c;哪些操作和访问是被允许的。这被…

作者头像 李华
网站建设 2026/4/24 3:09:21

二 Docker的基本操作

2.1 Docker镜像管理2.1.1 搜索镜像2.1.2 拉取镜像#从镜像仓库中拉取镜像[rootDocker-node1 ~]# docker pull busybox[rootDocker-node1 ~]# docker pull nginx:1.26-alpine #alpine 版本&#xff1a;nginx镜像的最小安装发型版本#查看本地镜像[rootDocker-node1 ~]# docker i…

作者头像 李华
网站建设 2026/4/24 3:09:20

K-近邻算法

什么是K-近邻算法 你的“邻居”来推断出你的类别 1、K-近邻算法(KNN) 1.1 定义 如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别&#xff0c;则该样本也属于这个类别。 来源&#xff1a;KNN算法最早是由Cover和Hart提出的一种分类…

作者头像 李华
网站建设 2026/4/24 3:09:19

别再只会用sub了!详解R语言中gsub的批量替换技巧与正则表达式实战

解锁R语言文本处理新姿势&#xff1a;gsub与正则表达式的深度实战指南 在数据科学领域&#xff0c;文本数据处理是每个分析师都无法绕开的必修课。当你从数据库导出记录或爬取网页内容时&#xff0c;那些杂乱无章的字符串往往让人头疼不已——日期格式五花八门&#xff0c;产品…

作者头像 李华
网站建设 2026/4/24 3:08:22

Arduino UNO Q 4GB开发板:异构架构与边缘AI实战解析

1. Arduino UNO Q 4GB开发板深度解析2025年10月首次亮相的Arduino UNO Q系列&#xff0c;如今迎来了性能更强的4GB内存版本。这款融合了Qualcomm QRB2210应用处理器和STM32U5微控制器的混合架构开发板&#xff0c;正在重新定义创客项目的可能性边界。1.1 硬件架构创新设计这款开…

作者头像 李华
网站建设 2026/4/24 3:05:19

边缘计算中LLM推理优化:量化与并行扩展实践

1. 边缘计算场景下的LLM推理优化实践 在移动设备和边缘计算场景部署大型语言模型(LLM)时&#xff0c;我们面临着三重挑战&#xff1a;内存带宽限制、计算资源受限和严格的能耗要求。以NVIDIA Jetson Orin平台为例&#xff0c;其Ampere架构GPU的FLOPs-to-bytes比率高达1375&…

作者头像 李华