前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Nature | 细胞表面蛋白阵列调控细胞反应

Nature | 细胞表面蛋白阵列调控细胞反应

作者头像
DrugAI
修改于 2021-02-02 03:34:16
修改于 2021-02-02 03:34:16
4060
举报
文章被收录于专栏:DrugAIDrugAI

编·译作者 | 王建民

当细胞通过其表面的受体与环境相互作用时,受体可以与激素、神经递质、药物和毒素结合,从而触发细胞内部的信号传递。现在,蛋白质已经被设计成蜂巢结构,可以阻断这些与活细胞的相互作用,而不被活细胞吸收。这些特制的蛋白贴片可以通过结合和封存细胞表面受体来影响细胞信号传导,可能对干细胞研究产生深远的影响,并能开发出旨在调节活体系统行为的新材料。

该研究由华盛顿大学医学院蛋白质设计研究所负责人、生物化学教授David Baker博士和剑桥大学医学研究委员会分子生物学实验室组长Emmanuel Derivery博士的实验室领导。该研究于2021年1月6日发表在《自然》杂志上,论文标题为 "Design of biologically active binary protein 2D materials"。

有序的二维阵列,如S层和设计的类似物已经引起了生物工程学家的兴趣,但除了用柔性连接体形成的单晶格外,它们只是由一个蛋白质组分构成。由两个组件组成的材料具有相当大的潜在优势,用于调节装配动力学和结合更复杂的功能。这里,研究人员描述了一种计算方法,通过设计二面体蛋白构件对之间的刚性接口来生成共同组装的二元层,并使用它来设计p6m晶格。所设计的阵列元件在毫摩尔浓度下是可溶的,但当在纳摩尔浓度下组合时,它们迅速组装成近乎结晶的微米级阵列,在体外和细胞中几乎与计算设计模型相同,而不需要二维支撑。由于该材料是从零开始设计的,组件可以很容易地功能化和它们的对称性重新配置,使配体阵列的形成与可区分的表面,研究人员证明可以推动广泛的受体集群,下游蛋白招募和信号传递。使用原子力显微镜上支持的双层和定量显微镜上的活细胞,表明组装在膜上的阵列具有组件的化学计量和结构类似于体外形成的阵列,因此,研究人员的材料可以施加秩序到基本无序的基质,如细胞膜。与之前表征的细胞表面受体结合组件(如抗体和纳米笼)迅速内吞相比,研究人员发现组装在细胞表面的大阵列以可调整的方式抑制内吞,对延长受体参与和免疫逃避具有潜在的治疗意义。研究人员的工作为合成细胞生物学提供了一个基础,其中多蛋白宏观尺度的材料被设计为调节细胞反应并重塑合成和生活系统。

参考资料

Ben-Sasson, A.J., Watson, J.L., Sheffler, W. et al. Design of biologically active binary protein 2D materials. Nature (2021).

https://doi.org/10.1038/s41586-020-03120-8

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-01-10,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 DrugAI 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
生化小课 | 细胞质由细胞骨架组织而成,并且具有高度的流动性
荧光显微镜显示,几种类型的蛋白质纤维在真核细胞中纵横交错,形成一个相互交错的三维网状结构,即细胞骨架(cytoskeleton)。真核生物有三种类型的细胞质纤维——肌动蛋白丝、微管和中间纤维——它们的宽度(从6nm到22nm)、组成和特定功能不同。所有类型都为细胞质提供结构和组织,为细胞提供形状。肌动蛋白丝和微管也有助于产生细胞器或整个细胞的运动。
尐尐呅
2022/05/17
1.2K0
生化小课 | 细胞质由细胞骨架组织而成,并且具有高度的流动性
Nature|2024年值得关注的七项技术
2024年1月22日,Nature发表题为Seven technologies to watch in 2024的文章,从蛋白质工程、3D打印到深度伪造检测,描述了未来一年需要关注的七个技术领域。
智药邦
2024/03/05
3260
Nature|2024年值得关注的七项技术
Nat Rev Drug Discov|调控生物分子凝聚物:一种新的药物治疗方法
进入21世纪以后,创新的药物治疗方法(从抗体、ADC、CAR-T和TCR-T、基因治疗,到蛋白质降解剂……)爆炸性增长且层出不穷。那么下一种新的药物治疗方法会是什么?
智药邦
2022/11/16
5190
Nat Rev Drug Discov|调控生物分子凝聚物:一种新的药物治疗方法
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(六)
迄今为止,许多蛋白质已被证明在理想条件下在体外发生相分离。经常情况下,同样的蛋白质在活细胞中也会形成聚集体,特别是当这些蛋白质被过度表达时。然而,一个给定蛋白质在高浓度下形成聚集体并不一定证明该蛋白质的相分离能力在功能上是相关的。要证明这一点,需要仔细设计实验来调控蛋白质的相分离,同时不改变其其他功能或特性。这样的实验基础可以是体外相分离分析。在序列分析的指导下,可以通过引入突变来改变蛋白质的相分离特性。然而,突变相分离蛋白质可能不像结构化蛋白质那样简单。例如,为了改变低复杂度蛋白质的相行为,可能需要引入多个突变来显著改变蛋白质的多价性。一旦确定了具有特定相分离缺陷的变异体,可以将其引入细胞中以替代野生型蛋白质。然后可以测试这些细胞系在生理条件下或在受到干扰时促进无膜细胞区域形成的能力。理想情况下,这些实验应与功能测定结合起来,以确定LLPS缺陷是否与蛋白质功能缺陷相伴而行。
Chris生命科学小站
2023/08/29
8310
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(六)
Nature | 深度学习驱动的蛋白-配体表面靶向策略
蛋白质之间的分子识别事件驱动着生物系统中的生命过程。然而,近年来研究发现,蛋白-蛋白相互作用受小分子调控的机制也在不断被揭示。尽管该领域取得了一定进展,但用于设计新型化学诱导的蛋白相互作用的计算工具仍然面临挑战。本研究中,研究人员提出了一种计算策略,旨在设计可靶向新表面(即由蛋白-配体复合物形成的表面)的蛋白质。该策略采用基于分子表面表示学习的几何深度学习方法,并在实验中验证了三种药物结合的蛋白复合物的结合蛋白。实验结果表明,所有结合蛋白均表现出高亲和力和精准特异性,并通过突变分析和结构表征进行了验证。值得注意的是,最初仅在蛋白质上训练的表面指纹可推广应用于由小分子诱导的新表面,这一发现展示了深度学习方法中罕见的高泛化能力。预计,这类设计的化学诱导蛋白相互作用将有助于拓展分子传感功能,并在合成生物学中推动新型药物可控细胞治疗策略的开发。
DrugAI
2025/02/06
830
Nature | 深度学习驱动的蛋白-配体表面靶向策略
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(五)
该领域的一个主要挑战是拥有准确的指标,以确定一个特定的蛋白质或结构在细胞环境中确实是一个相分离的体。在某些条件下,当处于足够的浓度和/或人工缓冲条件时,许多蛋白质和RNA都能进行体外LLPS。此外,常见的情况是过度表达一个蛋白质,看到一个大的、球形的滴,并推断内源性表达的蛋白质也必须在较低的浓度下形成类似液体的滴,只是这些滴的大小低于光学显微镜的检测限制。然而,由于相分离需要越过一个饱和浓度,因此在解释过度表达数据时应谨慎。应该尽量找到除过度表达之外的其他指标,以支持一个区室确实是相分离的,而不仅仅是一个宏观的点状结构。
Chris生命科学小站
2023/08/29
1K0
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(五)
Nat.Biotechnol. | 针对膜蛋白靶标的计算机辅助药物开发
今天为大家介绍的是来自Henning Stahlberg, Shuguang Yuan 和Horst Vogel团队的一篇综述。近年来,深度学习驱动的结构预测等进展使得计算生物学在膜蛋白靶标药物开发中的应用得到了显著推动。基于机器学习工具的最新蛋白质结构预测,为水溶性蛋白质和膜蛋白提供了出乎意料的可靠结果,但在开发针对膜蛋白靶点的药物时仍然存在局限性。膜蛋白的结构转变在跨膜信号传递中发挥着核心作用,常常受到治疗性化合物的影响。解决动态跨膜信号网络的结构与功能基础问题(特别是在原生膜或细胞环境中),仍然是药物开发面临的一个主要挑战。
DrugAI
2024/04/12
2760
Nat.Biotechnol. | 针对膜蛋白靶标的计算机辅助药物开发
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(三)
在仔细分析蛋白质序列和明确证明一个细胞结构通过LLPS形成之间的步骤是具有挑战性的。研究生物凝聚过程中的一个步骤是在体外重建关键成分的简化装配,并测试这个装配是否通过LLPS形成。如果可以确定驱动装配的力量(例如,通过特定界面的蛋白质相互作用),那么消除这个驱动力(例如,通过突变这个界面)将在体外抑制LLPS。然后使用这些相同的突变体可以在细胞中测试装配体是否通过相同的相互作用,从而通过LLPS形成。这种体外策略具有固有的优势,即它使用纯化的成分进行,可以明确测试哪些成分对过程至关重要。关于通过体外和细胞内的LLPS形成凝聚体的详细方法集合可以在Mitrea等人的2018年的工作中找到。
Chris生命科学小站
2023/08/29
1.1K0
【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总(三)
Nature 2024年值得关注的七项技术
今天为大家介绍的是来自Michael Eisenstein的一篇论文。今年许多最令人兴奋的技术创新领域,都离不开人工智能的进步。
DrugAI
2024/01/29
1840
Nature 2024年值得关注的七项技术
前沿综述 | 单细胞-蛋白组分析技术及其应用
之前我们已经分享了很多关于单细胞转录组测序(scRNA-seq)的实验技术、分析方法、数据集等,那么以蛋白质组为目标的单细胞分析技术有哪些?它们有哪些应用?
尐尐呅
2022/04/01
8220
前沿综述 | 单细胞-蛋白组分析技术及其应用
Nat. Commun. | 借助机器学习设计和筛选合成细胞中新兴蛋白质功能
今天为大家介绍的是来自Petra Schwille团队的一篇论文。最近,机器学习(ML)的应用为计算蛋白质设计领域带来了惊人的进步,使得针对工业和生物医药应用的蛋白质定向工程设计成为可能。然而,为细胞核心相关的新兴功能设计蛋白质,比如能够在时空上自组织并因此构建细胞空间的能力,仍然极具挑战。虽然在生成方面,条件生成模型和多状态设计正在兴起,但对于新兴功能而言,无论是计算上还是实验上,都缺乏专门为蛋白质设计项目所需的筛选方法。在这里作者展示了如何为机器学习生成的蛋白质变体实现这种筛选,这些蛋白质变体能在细胞内形成时空模式。对于计算筛选,作者采用了一种基于结构的分而治之方法来找到最有希望的候选者,而对于随后的体外筛选,作者使用了由自下而上的合成生物学建立的合成细胞模拟体。
DrugAI
2024/04/12
2030
Nat. Commun. | 借助机器学习设计和筛选合成细胞中新兴蛋白质功能
【Nature Methods】 2016 最值得关注的 8 大技术
《Nature Methods》是Nature旗下最重要子刊之一,也是方法论领域的权威刊物,其影响因子自从2004年创刊开始就一路飙升,在2014年已经达到32.072。这个月更期刊的受众是学术和产业界的从事实验工作的研究人员。它旨在为研究人员提供新工具来方便研究,Nature Methods强调方法的实用性和即时性。 《Nature Methods》选出了 2016 您最值得关注的八项技术:细胞内蛋白标记(Protein labeling in cells)、细胞核结构(Unraveling nuclea
新智元
2018/03/14
1.2K0
【Nature Methods】 2016 最值得关注的 8 大技术
2018 Cell系列相变最强综述,未来已来,你在哪?
Trends in Cell Biology (Cell系列综述, 2018 IF: 18.564)于2018年6月1日在线发表了Steven Boeynaems(PhD Biomedical sciences, Stanford University School of Medicine, 一作兼通讯)撰写的关于蛋白质相位分离综述一文《Protein Phase Separation: A New Phase in Cell Biology》。蛋白质相变做为细胞区室形成和调节生化反应的新思路而受到越来越多的关注,同时为神经退行性疾病中无膜细胞器生物合成和蛋白质聚集的研究提供了新的框架。该综述中,总结了近年来无膜细胞器的研究现状,相变的发生、发展、调控和在疾病治疗中的应用进行了探讨,并展望了未来几年相变领域的主要问题和挑战。内容丰富,见解前沿,值得相关领域的研究者细细品读。
生信宝典
2018/09/21
2.2K0
2018 Cell系列相变最强综述,未来已来,你在哪?
Cell. Syst. | 通过机器学习预测适应性免疫受体面临数据生成挑战
今天为大家介绍的是来自瑞士的博特纳免疫工程研究所Sai T. Reddy团队的一篇论文。免疫系统中最重要的防御武器是免疫受体,其中包括B细胞受体(BCR)、它们分泌的抗体,以及T细胞受体(TCR)。这些免疫受体就像是免疫系统的“智能雷达”,能够精确识别和对抗入侵者。它们最神奇的特点是拥有一个高度灵活的识别区域,可以通过改变自身结构来识别数不胜数的不同入侵物质(抗原)。虽然AI领域的明星工具AlphaFold(一个能够预测蛋白质结构的人工智能系统)在蛋白质结构预测方面取得了突破性进展,但在预测免疫受体方面仍面临两大挑战:一是高质量的免疫受体结构数据太少,二是免疫受体与入侵物质之间的相互作用机制过于复杂。在这篇综述中,作者重点介绍了两个关键领域的最新进展:一是基于免疫受体序列信息的数据生成技术,二是基于其结构信息的数据生成方法。这些进展对于开发能够预测免疫受体识别特性的机器学习模型至关重要。同时,作者也探讨了当前面临的技术瓶颈,以及未来如何更好地利用海量多维度数据来预测和设计具有特定识别功能的抗体和T细胞受体。
DrugAI
2025/03/03
720
Cell. Syst. | 通过机器学习预测适应性免疫受体面临数据生成挑战
Science|AI带来又一突破,或将蛋白质设计带入新时代
---- 新智元报道   来源:学术头条 【新智元导读】强化学习,不仅仅能被用于棋类和 MOBA 游戏中,也能被用来应对来自分子生物学的挑战。 近日,蛋白质设计大神、华盛顿大学生物化学教授 David Baker 团队及其合作者,将强化学习带入蛋白质设计,开发了一款功能强大的新型蛋白质设计软件。 实验结果显示,由这种新方法合成的蛋白质能更有效地在小鼠体内产生有用抗体,这一突破可能很快就会帮助科学家设计出更有效的疫苗。 据介绍,从开发更有效的癌症疗法到创造新的可生物降解纺织品,这种方法的潜在的应用是巨大
新智元
2023/05/09
1350
Science|AI带来又一突破,或将蛋白质设计带入新时代
科研“出圈”必备——空间组学技术
空间组学技术正在提供一个新的视角。通过量化数十到数百个基因、转录物或蛋白质,空间组学能够在自然组织或细胞结构的背景下收集有价值的分子、细胞和微环境信息。
尐尐呅
2021/08/19
1.1K0
科研“出圈”必备——空间组学技术
徐峻|人工智能与药物设计学:新范式探索 (2)
随着信息技术的不断发展,药物设计方法学的新概念、新方法和新思路持续更新,药物发现范式也与时俱进。人工智能作为新工具,已应用于药物发现过程的多个方面,引起了制药行业的高度关注,也带来了对药物发现科学理论和方法学的新思考和新探索。
智药邦
2022/04/13
4910
Science | 一种在哺乳动物细胞中实现的合成蛋白质级神经网络
人工神经网络为非生物信息处理提供了强大的范式。为了探究类似的原理是否能够在活细胞内实现计算,研究人员结合全新设计的蛋白质异源二聚体和工程化的病毒蛋白酶,构建了一个执行“胜者为王(winner-take-all)”神经网络分类的合成蛋白质电路。该“Perceptein”电路通过可逆结合相互作用实现加权输入求和,并通过不可逆的蛋白水解切割实现自激活和相互抑制。这些相互作用共同产生了丰富的蛋白质种类,由多达八种共表达的起始蛋白质衍生而来。完整系统在哺乳动物细胞中实现了具有可调决策边界的多输出信号分类,并可用于有条件地调控细胞死亡。这些结果展示了如何通过工程化蛋白质网络,实现活细胞内的可编程信号分类。
DrugAI
2024/12/20
1350
Science | 一种在哺乳动物细胞中实现的合成蛋白质级神经网络
2020值得关注的技术 | Nature Technology Feature
本文为Nature在今年年初的时候通过大数据分析、整理多位业内大佬采访稿所发布的报告,具有一定前瞻性,值得一读。
生信菜鸟团
2020/03/30
8040
Nature | 深度学习解锁细胞显微图像
今天为大家介绍的是来自Michael Eisenstein的一篇报道。深度学习正推动算法的发展,使其能够理解来自各种显微镜技术的图像。
DrugAI
2023/12/12
4660
Nature | 深度学习解锁细胞显微图像
推荐阅读
相关推荐
生化小课 | 细胞质由细胞骨架组织而成,并且具有高度的流动性
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档