系统生物学技术进展：整理蛋白质相互作用网络

点击数：52832009-10-16 13:10:53　来源: 源资科技官网

系统生物学技术进展：整理蛋白质相互作用网络

前言：

研究者们已经鉴定出了几千种细胞内生物大分子相互作用。但是正如Nathan Blow指出，如何将这些相互作用组建成网络，并探索他们在细胞内是如何工作的仍将是研究者所面临的一个挑战。

在2006年春季，加拿大多伦多大学的Andrew Emili和Jack Greenblatt以及他们的同事在Nature杂志上发表了一篇有关酿酒酵母菌中全蛋白质相互作用复合物的研究报告。在同一问题上，来自于德国海登堡的Cellzome公司的科研小组也报道了有关酵母菌中蛋白复合物的研究进展。两个研究组所得的数据有很好的重合。

Greenblatt认为这两个研究揭示了大规模蛋白相互作用研究中出现的一些重要问题。“如果将两个研究的数据整合来看，会得到比单独一个研究组更多的信息，当然这并不是说一个研究小组是对的，另外一个研究小组是错的。科学家们认为这更可能是一个研究小组的结果能弥补另外一个小组研究所得到的假阴性的结果，这说明，在单一的筛查过程中，往往会漏掉很多真实存在的蛋白相互作用。

英国爱丁堡大学的系统生物学家Mike Tyers说“我认为蛋白相互作用的空间是非常大的，问题是蛋白相互作用存在广泛的作用类型，对于那些很弱的相互作用是很难检测到的。”

相比较于相对稳定的DNA序列测序，蛋白质相互作用就好像是一个“移动的靶点”一样。

随着科研人员采用不同的阵列检测技术，产生大量的代谢和蛋白作用数据，这些零散的碎片逐渐拼接成一个完整的图谱。特别是近年来一些更为先进的方法和技术的应用，加快了这项工作的进展。科学家们通过这些研究也可以观察到在细胞内部信号传递和信息流的传递变化

蛋白质组技术多样性

耶鲁大学的生物学家Mike Snyder说，“我认为遗传信息规划好相应的蓝图，而蛋白组学才更接近于细胞内部发生了怎样的变化，蛋白组才是细胞表型分子机制的解释。”在怎样对蛋白质及其相互作用分类的问题上，科学家开始逐渐认可采用不同组合的检测技术，“每种不同的方法都能给出有一定程度重合又有不同的数据信息，每种不同的方法都有其强处和弱处。”

就像越来越多的科研人员一样，Tyers和Greenblatt也正在改进使用亲和纯化色谱技术并结合质谱分析来揭示不同细胞系中蛋白的相互作用。这项技术将目的蛋白标记上相应的纯化标签用于将来的亲和纯化。尽管有些科学家认为在纯化过程中可能会遗漏那些弱的相互作用蛋白对或者瞬时相互作用蛋白对，GreenBaltt博士（他们实验室主要依赖于串联亲和纯化技术来纯化蛋白）认为这正是质谱技术可以派上用途的地方，“Mass是非常灵敏的，即使你在亲和纯化过程中漏掉90％的相互作用，我们仍然可以检测到剩余10％的相互作用。”

随着蛋白－蛋白相互作用研究技术的发展，研究者们发现没有一个单一的纯化标签能够分离所有的蛋白。Tyer’s的研究小组最近通过三种不同的标签继续研究酵母蛋白组，每种标签有不同的特性。最后发现，有相当多的Bait, 使用不同的标签会出现不同的结果。这说明标签能够影响到相互作用的恢复。

当一种具体的蛋白或者蛋白复合体被纯化后，通过ESI或者是MALDI Q-Tof进行分析。科研人员已经从不断发展的仪器检测技术中获益。

Tyers 博士说，“使用Mass分析蛋白质的一大优势是检测可以在生理状态下进行。”与其他检测蛋白－蛋白相互作用的方法不同，质谱检测样品可以直接使用细胞或者组织样品。因此使用这种检测技术可以检测很多间接相互作用（超过2个蛋白的相互作用）。但是，有些研究人员怀疑，尽管亲和纯化加上Mass质谱检测能够提供有关蛋白复合物是如何相互作用的重要信息，但是这个方法并不能揭示这个相互作用的机制是什么。

来自Dana-Farber 癌症研究所的Vidal 博士认为：有一些二元检测方法，如酵母双杂交技术，能够提供不同的蛋白相互作用信息。Vidal博士将之比喻成在足球场上的两支足球队以及裁判员，“Mass检测技术将会告诉我们谁是队员，谁是裁判以及场地，但是不会告诉我们哪个队员过了哪个队员，以及球往哪个方向运行，但这确实二元检测技术所能做的。”酵母双杂交检测技术是最有名的有争议的二元检测方法。其原理是将转录因子的两个domain分开，分别融合与两种待检验的蛋白进行检测。如果这两种蛋白相互作用，转录因子就会再生，从而引起报告基因的表达。这种检测技术能够检测更多的动态蛋白相互作用，例如游离率。“物理相互作用并不能说明一切，你同时也需要edges和arrows去了解游离率以及其他相互作用的逻辑关系，Mass检测技术在这方面是有不足之处的。”

酵母双杂交检测技术的另外一种优势是它可以提供高通量检测的方案。Snyder博士说“酵母双杂交技术理论上是一种高通量的检测方法，一次可以检测大量蛋白的潜在相互作用。”

研究人员还开发了其他一些检测方法。Synder的研究小组通过蛋白芯片技术，设计了一系列的探针，检测到一些通过其他检测手段不能检测到的蛋白相互作用。目前已经有一些商业公司开始推广蛋白质芯片产品，如Invitrogen, 但是这种技术目前的使用程度还不如质谱技术以及二元杂交技术，但是在某些领域已经开始有一定的影响力。其中一部分原因是蛋白芯片技术比较昂贵，还无法用来进行大规模的研究。鉴于蛋白芯片技术在检测某些独特的相互作用类型的潜在能力，Synder博士说，他希望这个技术的成本能够降下来，这样才能在大规模相互作用研究中扩大使用程度。

另外一种跟酵母双杂交检测技术相类似的方法是蛋白－碎片互补检测技术（Protein-fragment complementation assay, PCA）。在此方法中，两个目的蛋白分贝与报告蛋白的两个片段相互融合。如果两个目的蛋白相互作用，报告蛋白就会直接被读出。Steven Michnick以及他的同事就采用PCA检测方法研究了酵母蛋白相互作用组学，在1124种蛋白质中，检测到了2800余种蛋白相互作用，其中有很多作用类型在之前还没有被检测到。

即使是已经研究的非常透彻的生物来讲，要制定一个完整的作用图谱还需要额外的工作和更先进的检测工具才行。Snyder认为在酵母中，平均每个蛋白的相互作用在5个左右，到目前为止，酵母中共鉴定了6000种蛋白，理论上应该在30,000余种的相互作用，而目前鉴定出的远远少于这个数目，因此在蛋白相互作用研究方面，还有很长的路要走。

构建Pathway

发现蛋白－蛋白相互作用只是构建信号通路的第一步，研究者们需要将这些发现的相互作用整合到细胞网络中，这需要生物信息学工具来完成。“这就像装配一辆自行车一样，有了轮子，座椅和把手，我们需要一系列的步骤将这些部件装配到一起。”GeneGo公司的副总Julie Bryant说。GeneGo公司是专注于细胞信号转导和代谢分析软件开发的专业公司。GeneGo并不是这个领域的唯一一家公司，目前已经有越来越多的公司开发新的工具来研究和分析信号网络。他们希望能够根据目前的数据来简历一个网络模型，通过这个模型来预测细胞内不同信号网络的活动。

“我们能够分析任何种类的实验数据——基因组学，蛋白组学和代谢组学，并将他们投射到细胞信号通路上，根据GeneGo公司的Bryant博士说。要能够分析不同来源的实验数据类型，需要对现有的数据库进行仔细的矫正。GeneGo公司目前雇佣了约50名科学家对发表的文献进行人工阅读并提取和修正相关的蛋白相互作用，基因表达，代谢以及药物方面的实验数据，用以扩充和升级它自己建立的数据库，目前其数据库包含120,000种多步骤相互作用通路数据库，平均每个含有11个通路步骤，每个通路都包含方向，作用机制，通路反馈以及相关文献等各种信息。

Bryant说，文献挖掘在构建更大的相互作用数据库方面是非常重要的，但是如果文献没有对实验本身进行描述的话，这个技术会变得非常困难。另外一个问题是研究人员通常都偏好于他们所研究的蛋白和相互作用。我们已经了解了大分子之间相互作用的机制，但是当你问我们已经拥有了多大的网络或者是某个物种的相互作用组学时，如果光是依靠文献是很难回答这些问题的。

Tyer博士参与了BioGRID数据库的构建，这是一个由公共基金投资的关于分子之间相互作用的数据库。到目前为止该数据库已经包含了酵母、线虫、果蝇以及多种植物甚至人类的分子相互作用数据。根据Tyer博士，这个项目的目的就是从原始文献中挖掘相关数据，整理成一定的格式，用于构建网络生物学。Tyer博士说，我们并不关心实验方法，我们关心的是数据的质量。我们希望给研究工作者最大量的信息。

来自哈佛大学的Walter Fontana博士及其研究小组描述了他们采用的另外一种信号网络建模角度。他们采用了一组规则来定义细胞组分之间的关系。来自马萨诸塞州的Plectix Biosystem公司就是采用这种方法来模拟信号网络的。这个信号模拟系统可以模拟在颗粒水平上，细胞组分在实际生命中的相互作用。

从简单到复杂

根据Edwards, Plectix Biosystems公司的方法，通过对每个组分设定几个简单的规则，就能够模拟复杂的生物学行为。这跟以往的方法不一样，以往的方法在模拟进行之前，必须搞清楚这些复杂的行为。而且不同信号模型之间可以相互循环转换。在建立模型采用的规则方面，Plectix就跟GeneGo的平台还有BioGRID的平台一样，所有数据也是来自文献中的实验数据。

Snyder博士说，将所有相互作用映射到网络是非常重要的，同样也要能理解这些相互作用背后的动态变化。要能理解细胞中的动态的信息流，研究者不仅要理解蛋白蛋白相互作用网络，还要理解蛋白－DNA相互作用网络，microRNA的效应，表观遗传变化对基因表达的影响，以及代谢产物如何影响信号网络的输出，所有这些系统的整合才决定了信号的输出以及细胞的活动。

Vidal认为，技术的进步，尤其是纳米技术，细胞显微镜技术还有计算机技术推动了系统生物学不断朝前发展。只有将这些技术整合起来，才能去思考怎样去抓住细胞内信息的变化。

洛克菲勒大学的Paul Nurse在关于理解细胞信息流一文中写到，我们过去的成功让我们低估了生物物种的复杂性，在系统生物学的世界里，这种低估将快速消失并且永远不会再次发生。

注： Nathan Blow是 Nature and Nature Methods 的技术编辑

【责任编辑：技术部】(Top) 返回页面顶端