ChIP技术及其在基因组水平上分析DNA与蛋白质相互作用

316–319Nucleic Acids Research,2000,Vol.28,No.1?2000Oxford University Press TRANSFAC:an integrated system for gene expression regulation

E.Wingender1,*,X.Chen1,2,R.Hehl3,H.Karas4,I.Liebich1,V.Matys1,4,T.Meinhardt1,

M.Prü?1,4,I.Reuter1and F.Schacherer1

1Gesellschaft für Biotechnologische Forschung mbH,Mascheroder Weg1,D-38124Braunschweig,Germany,

2The National Laboratory of Protein Engineering and Plant Genetic Engineering,College of Life Sciences,

Peking University,Beijing100871,People’s Republic of China,3Technische Universit?t Braunschweig,Biozentrum, D-39100Braunschweig,Germany and4BIOBASE GmbH,Mascheroder Weg1B,D-38124Braunschweig,Germany Received September30,1999;Accepted October7,1999

ABSTRACT

TRANSFAC is a database on transcription factors, their genomic binding sites and DNA-binding profiles (http://transfac.gbf.de/TRANSFAC/).Its content has been enhanced,in particular by information about training sequences used for the construction of nucleotide matrices as well as by data on plant sites and factors.Moreover,TRANSFAC has been extended by two new modules:PathoDB provides data on pathologically relevant mutations in regulatory regions and transcription factor genes,whereas S/MARt DB compiles features of scaffold/matrix attached regions(S/MARs)and the proteins binding to them. Additionally,the databases TRANSPATH,about signal transduction,and CYTOMER,about organs and cell types,have been extended and are increas-ingly integrated with the TRANSFAC data sources. INTRODUCTION

Gene regulation is still a major issue of molecular biology,and several new methodologies enable us to globally characterize gene expression patterns and profiles at a phenomenological level.However,the number of organs/cell types,developmental stages and conditional factors is so huge that we cannot expect all combinations of them to be exhaustively characterized by specific experimental setups.Therefore,there is a great need for comprehensive tools for the in silico identification of genomic signals that govern gene regulation events,and this requirement increases with the number of genomes that have been sequenced completely and are now to be exploited for biotechnological,pharmaceutical,agricultural or other purposes. For these reasons,more than a decade ago we began to compile information about cis-regulatory DNA sequences and trans-acting factors(1).This compilation was transferred into a computer-readable format and released as an EMBL-like ASCII flat-file for public use as TRANSFAC database(2).Since then, it has been reorganized as a hierarchical and,subsequently,a relational database(3,4),increasingly linked with other databases allowing its integration into DBGET(5)and SRS(6,7).A major breakthrough was achieved by linking it with TRRD(Tran-scription Regulatory Region Database)(8)and by connecting the database COMPEL on composite regulatory elements(9). Additional database modules have been developed more recently,devoted to signal transduction pathways and organs/ cell types(10).In the present contribution,the status of these modules along with that of TRANSFAC will be outlined,and two additional TRANSFAC supplements will be described that provide data on pathologically relevant gene regulatory components(PathoDB)and on scaffold/matrix attached regions,S/MAR(S/MARt DB).

THE TRANSFAC DATABASE

Content of TRANSFAC

The underlying relational database system internally comprises two main tables,SITE and FACTOR.Nearly all other tables(a total of50tables)are linked directly or indirectly to one or both (such as REFERENCES)of these two.Of particular importance is the MATRIX table which represents DNA binding profiles for individual or groups of transcription factors and,therefore,is properly linked to the FACTOR table.The data structure of the relational system has changed slightly in that an additional table has been introduced linking MATRIX entries with their corresponding training sequences.These sequences have been incorporated into the SITE table(10),and are now explicitly listed in the individual MATRIX entries of the flat-file version as well. The total number of entries in the individual tables are summarized in Table1.Special efforts have been undertaken to improve the data content for the plant kingdom.Thus,the number of plant FACTOR entries has been trebled,amounting now to266entries(as of September1999).Comparing this figure to the136plant(Viridiplantae)entries of the SWISS-PROT database exhibiting the keyword‘Transcription regulation’may indicate a satisfying coverage rate.However,this comparison should consider that,on the one hand,TRANSFAC may apply slightly more restrictive criteria to include a protein as a ‘transcription factor’,but that,on the other hand,individual splice variants are represented in TRANSFAC as distinct entries, in contrast to SWISS-PROT;also,multimeric transcription factor

*To whom correspondence should be addressed.Tel:+495316181427;Fax:+495316181266;Email:ewi@gbf.de

Nucleic Acids Research,2000,Vol.28,No.1

317

complexes are described as own FACTOR entries in TRANSFAC,but of course not in SWISS-PROT.

The volume of binding sites for plant transcription factors in the SITE table has been more than doubled,now comprising 104genomic and 208artificial binding sites.The latter come mostly from random selection studies to identify the DNA-binding specificity of individual factors and are used to generate binding profiles.Correspondingly,the number of plant tran-scription factor binding profiles in the MATRIX table has been more than doubled (from 8to 19matrices;status as of September 1999).These matrices,together with a total of 18consensus strings stored in the SITE table,can serve as a basis to identify potential plant transcription factor binding sites in genomic sequences using the search routines provided by the TRANSFAC server (see below).In addition to this more quantitative increase,we paid specific attention to improve the quality of the individual entries since part of this information is used by other databases as well (11).Cross-links with other databases

The links to the previously listed external databases have been maintained and extended.Links between the CELL table and HyperCLDB (Cell Line Data Base;http://www.biotech.ist.unige.it/cldb/indexes.html ),a general collection of information about cell lines comprising data of the American Type Culture Collection (ATCC),the German Collection of Microorganisms and Cell Cultures (DSMZ),and seven additional sources have been newly introduced.Up to now,the URLs of CLDB have been included directly in the commentary/description field of 154CELL entries.Presently,attempts are being made to include links to GeneCard into the GENE table.To facilitate linking of transcription factor entries to their corresponding genes in Gene-Card,all transcription factor genes will be included in the GENE table of TRANSFAC,even if no transcription factor binding sites in their regulatory regions have been described yet.Classification of transcription factors

Presently (last update May 1999),the overall classification scheme for transcription factors provides links to 1160factors,

embedded in a system of 1321taxa (see refs 10,12for a more detailed description).Recent changes comprise the introduction of APETALA2/EREBP-related factors and Dof (DNA-binding with One Finger)factors from plants as new classes.Connected tools

As has already been described,TRANSFAC data are used by two programs that scan DNA sequences for potential transcription factor binding sites.PatSearch uses the sequence information of the SITE table grouped into six libraries:genomic sites from vertebrates,insects,plants,fungi,consensus strings in the 15-letter IUPAC code,or site information from TRRD,whereas MatInspector (13)works with compiled libraries of binding profiles (for factors from vertebrates,insects,plants,fungi or miscellaneous organisms)which is derived mainly from the TRANSFAC MATRIX table.Likewise,the FastM module developed by Frech et al .(14)uses the same matrix libraries while searching for user-defined combinations of transcription factor binding sites.As a new functionality,the output list of MatInspector can be used to suggest expression patterns of the gene analyzed (see below,CYTOMER).

Another program (S_Comp 1.0)designed to specifically detect composite elements of the NFAT type has been made available on the TRANSFAC server and has been described in greater detail elsewhere (http://transfac.gbf.de/dbsearch/funsitep/s_comp.html )(15).PathoDB

Numerous cases have been published showing that defective transcription factors or transcription factor binding sites lead to pathological defects because normal gene regulation is impaired.It is the aim of the newly developed database PathoDB to collect such data on mutated factors and binding sites.Moreover,the underlying genetic defects and the resulting diseases are considered as well.PathoDB is intended to be an extension of the TRANSFAC database system concerning the pathological aspects of transcriptional regulation.Structure of the database

PathoDB is a relational database,consisting of 50linked tables.The database schema was designed with respect to the various interdependencies of entry types.For instance,one mutated gene may encode several mutated proteins due to alternative splicing,and a certain genotype may cause distinct phenotypes depending on ploidity.On the other hand,different genotypes can cause the same pathological phenotype by knocking out the same gene through distinct mechanisms.The database is composed of 10main tables and another 40link tables.The four most important tables contain data about mutated transcription factors (MuFactor),mutated DNA binding sites (MuSite),molecular gene structures (Genotype)and regulatory disorders (Phenotype).In order to access data beyond PathoDB’s primary focus,the Phenotype and Genotype entries are connected to important external databases like OMIM (https://www.wendangku.net/doc/4b33120.html,/omim/)(16),MGI (https://www.wendangku.net/doc/4b33120.html,/)(17)and HGMD (https://www.wendangku.net/doc/4b33120.html,/uwcm/mg/hgmd0.html?)(18).

Table 1.Contents of the TRANSFAC database (status as of September 1999)a Among

the FACTOR entries,1596are

assigned to one of the factor classes.

b Total number of articles cited in SITE,FACTOR,CLASS and MATRIX,giving rise to >21000citations.

Table Entries SITE 8390GENE 1302FACTOR a 2765CLASS 38MATRIX 356CELLS 978METHOD 67REFERENCE b

6570

318Nucleic Acids Research,2000,Vol.28,No.1

Current content and perspective

Presently,the prototype of PathoDB contains detailed information on80mutated transcription factors and20mutated binding sites(each with a link to the wild-type specified in TRANSFAC),~100genotypes and15phenotypes of specific diseases.In the current state,mainly developmental defects are considered.In the case of factors,for example,both the mutated pituitary-specific positive transcription factor1(Pit-1) and the mutated Prophet of Pit-1(PROP1)lead to impaired pituitary development(19,20),and the mutated paired-box proteins3and8(Pax-3,Pax-8)cause early neural tube defects or congenital hypothyroidism,respectively(21,22).

The range of organisms admitted to PathoDB is planned to be nearly as broad as it is in TRANSFAC.However,at the moment only human and murine defects are considered,with special emphasis on the human organism whose genetic diseases might be of greatest interest for medical research.In particular,the wide cancer field will be regarded.The database will soon be accessible via the Internet as a flat-file version. S/MARt DB

Transcriptional activation of eukaryotic genes is associated with significant changes in chromatin structure.The main change is the transition from a condensed to an‘open’or ‘active’structure.It has been suggested that the nuclear matrix may play a role in gene potentiation as well as in genome organization.These functions are believed to be mediated by scaffold or matrix attached regions(S/MARs).Therefore we developed a new database,S/MARt DB(scaffold/matrix attached region transaction database),which is closely linked to TRANSFAC.This database collects information about S/MARs and the nuclear matrix proteins that are supposed to be involved in the interaction of these elements with the nuclear matrix.S/MARt DB is publicly available through the WWW at http://transfac.gbf.de/SMARtDB/index.html.A detailed descrip-tion of S/MARt DB is the subject of another publication (Liebich,I.,Bode,J.,Frisch,M.,Reuter,I.and Wingender,E., manuscript in preparation).

TRANSPATH

TRANSPATH(http://transfac.gbf.de/TRANSPATH/)focuses on signal transduction networks involved in the regulation of transcription factors and aims at furnishing a collection of data usable for simulation of network dynamics.In our model the signaling network is composed of components like receptors, enzymes,transcription factors and genes,all of which are connected through reactions.While mechanistic reactions represent the minute physical interactions between components needed for simulation,semantic reactions portray the flow of meaning,like‘activation’,as usually shown in the literature. Components can be clustered together in families which show similar signaling behavior to reduce the level of redundancy. Reactions can be clustered into pathways.For any signaling component the user can search an interactive graphical tree representation of the connected pathways.The search can take family information into account to broaden the result range. TRANSPATH was developed with a semantic dataset (1514components and827reactions)taken from CSNDB (Cell Signaling Network Database)(23,24).Since we aim at a finer granularity of reactions to make simulation feasible,a second dataset retrieval has been started,which also includes mechanistic reactions(status as of September1999,120compo-nents and80reactions on top of a set of10073components imported from SWISS-PROT).Nevertheless,the TRANSPATH interface can also be used to view a subset of CSNDB data. CYTOMER?

The relational database CYTOMER comprises tables for human organs,cell types,physiological systems and developmental stages(10).The organ table is in itself hierarchically structured, since to each anatomical structure listed,the parent(sub-)organ is indicated as an additional attribute.All four tables are linked through a central‘Hub’table that lists the biologically meaningful combinations of these four categories.This table can provide a general framework to map expression patterns (Chen,X.,Dress,A.and Wingender,E.,manuscript in preparation) which is used here to represent the expression patterns of human transcription factors,and to assemble expression profiles for selected organs with regard to the transcription factors they express.The expression patterns of individual transcription factors can be called from those TRANSFAC FACTOR entries that contain information about expression and non-expression sources within the CP and/or CN line,respectively. Starting with a list of transcription factors,their expression patterns can be exhibited in a comparative manner to evaluate visually in which organs all or most of them may be expressed. Using this function,an output list such as that generated by MatInspector(see above)will be used to optionally display a table with expression patterns of the potential regulators of the analyzed gene and,thus,suggesting a possible expression pattern of this gene itself.

Using the mouse vocabulary established by Kaufman(25) and implemented with the Gene Expression Database(GXD) (26),the CYTOMER database will be extended to the mouse system and,in the near future,to other intensely studied ‘model’organisms as well.

AVAILABILITY

TRANSFAC as well as the other data resources mentioned in this paper are freely available to users from non-profit organizations under http://transfac.gbf.de/TRANSFAC/and at a number of mirror https://www.wendangku.net/doc/4b33120.html,ers from commercial organizations are requested to license database versions with user interfaces of enhanced functionality and with a data set that has been enlarged mainly by additional data on artificial binding sites and transcription factor DNA-binding profiles.Of course, academic institutions can also license this version. ACKNOWLEDGEMENTS

The authors are indebted to M.Ashburner(EBI)for regularly providing the links to FlyBase.We also gladly acknowledge the generous help granted by T.Takai-Igarashi and T.Kaminuma (National Institutes of Health Sciences,Tokyo)in supplying the data set of CSNDB.Finally,we express our gratitude to Mrs A.Bischoff for the technical help in nearly all the above-mentioned fields.Parts of this work were supported by the

Nucleic Acids Research,2000,Vol.28,No.1319

German Ministry of Education and Research(BMBF,grants no.0311640and01KW9629/7),and by a Scientific-Technical cooperation grant of BMBF(CHN-305-97). REFERENCES

1.Wingender,E.(1988)Nucleic Acids Res.,16,1879–190

2.

2.Wingender,E.,Heinemeyer,T.and Lincoln,D.(1991)In Collins,J.and

Driesel,A.J.(eds),Genome Analysis—From Sequence to Function;

BioTechForu—Advances in Molecular Genetics.Hüthig Buch Verlag, Heidelberg,Volume4,pp,95–108.

3.Knüppel,R.,Dietze,P.,Lehnberg,W.,Frech,K.and Wingender,E.(1994)

https://www.wendangku.net/doc/4b33120.html,put.Biol.,1,191–198.

4.Wingender,E.,Dietze,P.,Karas,H.and Knüppel,R.(1996)Nucleic Acids

Res.,24,238–241.

5.Fujibuchi,W.,Goto,S.,Migimatsu,H.,Uchiyama,I.,Ogiwara,A.,

Akiyama,Y.and Kanehisa,M.(1998)Pacific Symp.Biocomput.,3,

681–692.

6.Etzold,T.,Ulyanov,A.and Argos,P.(1996)Methods Enzymol.,266,114–128.

7.Etzold,T.and Verde,G.(1997)Pacific Symp.Biocomput.,2,134–141.

8.Kel,O.V.,Romachenko,A.G.,Kel,A.E.,Naumochkin,A.N.and

Kolchanov,N.A.(1995)Proceedings of the28th Annual Hawaii

International Conference on System Sciences[HICSS],Biotechnology Computing.Volume5,IEE Computer Society Press,Los Alamitos,CA.

pp.42–51.

9.Kel,O.V.,Romaschenko,A.G.,Kel,A.E.,Wingender,E.and

Kolchanov,N.A.(1995)Nucleic Acids Res.,23,4097–4103.

10.Heinemeyer,T.,Chen,X.,Karas,H.,Kel,A.E.,Kel,O.V.,Liebich,I.,

Meinhardt,T.,Reuter,I.,Schacherer,F.and Wingender,E.(1999)

Nucleic Acids Res.,27,318–322.

11.Rombauts,S.,Déhais,P.,Van Montagu,M.and Rouzé,P.(1999)

Nucleic Acids Res.,27,295–296.12.Wingender,E.(1997)Mol.Biol.Engl.Tr.,31,483–497.

13.Quandt,K.,Frech,K.,Karas,H.,Wingender,E.and Werner,T.(1995)

Nucleic Acids Res.,23,4878–4884.

14.Frech,K.,Danescu-Mayer,J.and Werner,T.(1997)J.Mol.Biol.,270,

674–687.

15.Kel,A.,Kel-Margoulis,O.,Babenko,V.and Wingender,E.(1999)

J.Mol.Biol.,288,353–376.

16.McKusick,V.A.(1998)Mendelian Inheritance in Man.Catalogs of

Human Genes and Genetic Disorders,12th Edition.Johns Hopkins

University Press,Baltimore,MD.

17.Blake,J.A.,Richardson,J.E.,Davisson,M.T.and Eppig,J.T.(1999)

Nucleic Acids Res.,27,95–98.Updated article in this issue:

Nucleic Acids Res.(2000),28,108–111.

18.Cooper,D.N.,Ball,E.V.and Krawczak,M.(1998)Nucleic Acids Res.26,

285–287.

19.Li,S.,Crenshaw,E.B.,III,Rawson,E.J.,Simmons,D.M.,Swanson,L.W.

and Rosenfeld,M.G.(1990)Nature,347,528–533.

20.Deladoey,J.,Flück,C.,Büyükgebiz,A.,Kuhlmann,B.V.,Eblé,A.,

Hindmarsh,P.C.,Wu,W.and Mullis,P.E.(1999)J.Clin.Endocrinol.

Metab.,84,1645–1650.

21.Fortin,A.S.,Underhill,D.A.and Gros,P.(1997)Hum.Mol.Genet.,6,

1781–1790.

22.Macchia,P.E.,Lapi,P.,Krude,H.,Pirro,M.T.,Missero,C.,Chiovato,L.,

Souabni,A.and Baserga,M.(1998)Nature Genet.,19,83–86.

23.Takai-Igarashi,T.,Nadaoka,Y.and Kaminuma,T.(1998)https://www.wendangku.net/doc/4b33120.html,put.Biol.,

5,747–754.

24.Takai-Igarashi,T.and Kaminuma,T.(1998)In Silico Biol.,1,0012.

25.Kaufman,M.H.(1992)The Atlas of Mouse Development.Academic Press,

London,UK.

26.Ringwald,M.,Mangan,M.E.,Eppig,J.T.,Kadin,J.A.and Richardson,J.E.

(1999)Nucleic Acids Res.,27,106–112.Updated article in this issue: Nucleic Acids Res.(2000),28,115–119.

蛋白质相互作用的研究方法

举世瞩目的基因组计划使大量的新基因不断被发现，然而单纯的基组DNA序列尚不能解答许多生命问题。基因是相对静态的，而基因编码的产物－蛋白质则是动态的，具有时空性和调节性，是生物功能的主要体现者和执行者。蛋白质的表达水平、存在方式以及相互作用等直接与生物功能相关。 在所有生命活动中，蛋白质之间的相互作用是必不可少的，它是细胞进行一切代谢活动的基础。细胞接受外源或是内源的信号，通过其特有的信号途径，调节其基因的表达，以保持其生物学特性。在这个过程中，蛋白质占有很重要的地位，它可以调控，介导细胞的许多生物学活性。 虽然有一些蛋白质可以以单体的形式发挥作用，但是大部分的蛋白质都是和伴侣分子一起作用或是与其他蛋白质形成复合物来发挥作用的。因此，为了更好地理解细胞的生物学活性，必须很好地理解蛋白质单体和复合物的功能，这就会涉及到蛋白质相互作用的研究。在现代分子生物学中，蛋白质相互作用的研究占有非常重要的地位。因此，揭示蛋白质之间的相互作用关系、建立相互作用关系的网络图，已成为蛋白质组学研究中的热点。 一、生物物理学方法 1. 融合蛋白pull-down实验 融合蛋白pull-down技术基本原理是将一种蛋白质固定于某种基质上（如Sepharose），当细胞抽提液经过该基质时，可与该固定蛋白相互作用的配体蛋白被吸附，而没有被吸附的“杂质”则随洗脱液流出。 被吸附的蛋白可以通过改变洗脱液或洗脱条件而回收下来。为了更有效地利用pull-down技术，可以将待纯化地蛋白以融合蛋白地形式表达，即将“诱饵”蛋白与一种易于纯化地配体蛋白相融合。1988年Smith等利用谷胱甘肽－S－转移酶（glutathione-S-transferase ，GST）融合标签从细菌中一步纯化出GST融合蛋白。从此GST融合蛋白在蛋白质相互作用研究领域里得到了极大的推广。 GST融合蛋白在经过固定有GST（glutathione）的色谱柱时，就可以通过GST与GSH的相互作用而被吸附。当再有细胞抽提物过柱，就可以得到能够与“诱饵”蛋白相互作用的兴趣蛋白。一般来说，GST融合蛋白pull-down方法用于两个方面：一是鉴定能与已知融合蛋白相互作用的未知蛋白质；二是鉴定两个已知蛋白质之间是否存在相互作用。 该方法比较简便，避免了使用同位素等危险物质，在蛋白质相互作用研究中有很广泛的应用。类似的融合蛋白很多，如与葡萄球菌蛋白A融合的“诱饵”蛋白可以通过固定有IgG的色谱柱进行纯化；与寡聚组氨酸肽段融合的“诱饵”蛋白可以通过结合Ni2+的色谱柱进行纯化；与二氢叶酸还原酶融合的“诱饵”蛋白可以通过固定有氨甲喋呤的色谱柱进行纯化等等。 2. 亲和印迹 亲和印迹是将聚丙烯酰胺凝胶电泳分离后的蛋白样品转移到硝酸纤维素膜上，然后检测哪种蛋白能与标记了的“诱饵”蛋白发生作用。此方法所要考虑的是如何保持膜上蛋白的生物活性，如何得到纯化的“诱饵”蛋白等。 3. 免疫共沉淀

检测两种蛋白质之间相互作用

检测两种蛋白质之间相互作用得实验方法比较 1、生化方法 ●免疫共沉淀免疫共沉淀就是以抗体与抗原之间得专一性作用为基础得用于研究蛋白质相互作用得经典方法.改法得优点就是蛋白处于天然状态,蛋白得相互作用可以在天然状态下进行，可以避免认为影响;可以分离得到天然状态下相互作用得蛋白复合体。缺点:免疫共沉淀同样不能保证沉淀得蛋白复合物时候为直接相互作用得两种蛋白。另外灵敏度不如亲与色谱高。 ●Fａr—Ｗestｅrｎ 又叫做亲与印记。将PAGE胶上分离好得凡百样品转移到硝酸纤维膜上,然后检测哪种蛋白能与标记了同位素得诱饵蛋白发生作用，最后显影。缺点就是转膜前需要将蛋白复性。2?、等离子表面共振技术（Surfacｅｐｌasmoｎｒｅsoｎance)该技术就是将诱饵蛋白结合于葡聚糖表面,葡聚糖层固定于几十纳米厚得技术膜表面。当有蛋白质混合物经过时,如果有蛋白质同“诱饵”蛋白发生相互作用，那么两者得结合将使金属膜表面得折射率上升，从而导致共振角度得改变。而共振角度得改变与该处得蛋白质浓度成线性关系,由此可以检测蛋白质之间得相互作用。该技术不需要标记物与染料，安全灵敏快速,还可定量分析。缺点:需要专门得等离子表面共振检测仪器。 ３、双杂交技术原理基于真核细胞转录因子得结构特殊性,这些转录因子通常需要两个或以上相互独立得结构域组成．分别使结合

域与激活域同诱饵蛋白与猎物蛋白形成融合蛋白，在真核细胞中表达,如果两种蛋白可以发生相互作用,则可使结合域与激活域在空间上充分接近,从而激活报告基因．缺点：自身有转录功能得蛋白会造成假阳性.融合蛋白会影响蛋白得真实结构与功能。不利于核外蛋白研究,会导致假隐性. 5、荧光共振能量转移技术指两个荧光法色基团在足够近（〈100埃)时，它们之间可发生能量转移得现象。荧光共振能量转移技术可以研究分子内部对某些刺激发生得构象变化,也能研究分子间得相互作用。它可以在活体中检测,非常灵敏,分辩率高,能够检测大分子得构象变化,能够定性定量得检测相互作用得强度。缺点此项技术要求发色基团得距离小于100埃。另外设备昂贵,还需要融合ＧFP给蛋白标记。?此外还有交联技术(ｃrｏsｓ－ｌｉnＫing)，蛋白质探针技术,噬菌体展示技术(Pｈａgｅ dｉsｐｌaｙ）以及生物信息学得方法来检测蛋白质之间相互作用。 1，酵母双杂交 1-5 酵母双杂交系统就是将待研究得两种蛋白质得基因分别克隆到酵 体,从表达产物分析两种蛋白质相互作用得系统 酵母双杂交得原理就是,把报告基因HIS３与l a c Z 整合到酵母细胞基因组中,并受转录因子

基因组学与蛋白质组学

《基因组学与蛋白质组学》课程教学大纲 学时： 40 学分：2.5 理论学时： 40 实验学时：0 面向专业：生物科学、生物技 术课程代码：B7700005先开课程：生物化学、分子生物 学课程性质：必修/选修执笔人：朱新 产审定人： 第一部分：理论教学部分 一、课程的性质、目的和任务 《基因组学与蛋白质组学》是随着生物化学、分子生物学、结构生物学、晶体学和计算机技术等的迅猛发展而诞生的，是融合了生物信息学、计算机辅助设计等多学科而发展起来的新兴研究领域。是当今生命科学研究的热点与前沿领域。由于基因组学与蛋白质组学学科的边缘性，所以本课程在介绍基因组学与蛋白质组学基本基本技术和原理的同时，兼顾学科发展动向，讲授基因组与蛋白组学中的热点和最新进展，旨在使学生了解现代基因组学与蛋白质组学理论的新进展并为相关学科提供知识和技术。 二、课程的目的与教学要求 通过本课程的学习，使学生掌握基因组学与蛋白质组学的基本理论、基础知识、主要研究方法和技术以及生物信息学和现代生物技术在基因组学与蛋白质组学上的应用及典型研究实例，熟悉从事基因组学与蛋白质组学的重要方法和途

径。努力培养学生具有科学思维方式、启发学生科学思维能力和勇于探索，善于思考、分析问题的能力，激发学生的学习热情，并通过学习提高自学能力、独立思考能力以及科研实践能力，为将来从事蛋白质的研究奠定坚实的理论和实践基础。 三、教学内容与课时分配 第一篇基因组学

第一章绪论（1学时） 第一节基因组学的研究对象与任务； 第二节基因组学发展的历程； 第三节基因组学的分子基础； 第四节基因组学的应用前景。 本章重点： 1. 基因组学的概念及主要任务； 2. 基因组学的研究对象。 本章难点： 1.基因组学的应用及发展趋势； 2.基因组学与生物的遗传改良、人类健康及生物进化。建议教学方法：课堂讲授和讨论 思考题： 查阅有关资料，了解基因组学的应用发展。 第二章人类基因组计划（1学时） 第一节人类基因组计划的诞生； 第二节人类基因组研究的竞赛； 第三节人类基因组测序存在的缺口； 第四节人类基因组中的非编码成分； 第五节人类基因组的概观； 第六节人类基因组多样性计划。 本章重点： 1. 人类基因组的研究； 2. 人类基因组多样性。 本章难点： 人类基因组序列的诠释。 建议教学方法：课堂讲授和讨论 思考题：

研究蛋白质与蛋白质相互作用方法总结-实验步骤

研究蛋白质与蛋白质相互作用方法总结-实验步骤 蛋白质与蛋白质之间相互作用构成了细胞生化反应网络的一个主要组成部分，蛋白-蛋白互作网络与转录调控网络对调控细胞及其信号有重要意义。把原来spaces空间上的一篇蛋白质与蛋白质间相互作用研究方法转来，算是实验技巧分类目录的首篇。(另补充2：检测两种蛋白质之间相互作用的实验方法比较) 一、酵母双杂交系统 酵母双杂交系统是当前广泛用于蛋白质相互作用组学研究的一种重要方法。其原理是当靶蛋白和诱饵蛋白特异结合后，诱饵蛋白结合于报道基因的启动子，启动报道基因在酵母细胞内的表达，如果检测到报道基因的表达产物，则说明两者之间有相互作用，反之则两者之间没有相互作用。将这种技术微量化、阵列化后则可用于大规模蛋白质之间相互作用的研究。在实际工作中，人们根据需要发展了单杂交系统、三杂交系统和反向杂交系统等。Angermayr等设计了一个SOS蛋白介导的双杂交系统。可以研究膜蛋白的功能，丰富了酵母双杂交系统的功能。此外，酵母双杂交系统的作用也已扩展至对蛋白质的鉴定。 二、噬茵体展示技术 在编码噬菌体外壳蛋白基因上连接一单克隆抗体的DNA序列，当噬菌体生长时，表面就表达出相应的单抗，再将噬菌体过柱，柱上若含目的蛋白，就会与相应抗体特异性结合，这被称为噬菌体展示技术。此技术也主要用于研究蛋白质之间的相互作用，不仅有高通量及简便的特点，还具有直接得到基因、高选择性的筛选复杂混合物、在筛选过程中通过适当改变条件可以直接评价相互结合的特异性等优点。目前，用优化的噬菌体展示技术，已经展示了人和鼠的两种特殊细胞系的cDNA文库，并分离出了人上皮生长因子信号传导途径中的信号分子。 三、等离子共振技术 表面等离子共振技术(Surface Plasmon Resonance，SPR)已成为蛋白质相互作用研究中的新手段。它的原理是利用一种纳米级的薄膜吸附上“诱饵蛋白”，当待测蛋白与诱饵蛋白结合后，薄膜的共振性质会发生改变，通过检测便可知这两种蛋白的结合情况。SPR技术的优点是不需标记物或染料，反应过程可实时监控。测定快速且安全，还可用于检测蛋白一核酸及其它生物大分子之间的相互作用。

检测两种蛋白质之间相互作用

检测两种蛋白质之间相互作用的实验方法比较 1. 生化方法 ●免疫共沉淀免疫共沉淀是以抗体和抗原之间的专一性作用为基础的用于研究蛋白质相互作用的经典方法。改法的优点是蛋白处于天然状态，蛋白的相互作用可以在天然状态下进行，可以避免认为影响；可以分离得到天然状态下相互作用的蛋白复合体。缺点：免疫共沉淀同样不能保证沉淀的蛋白复合物时候为直接相互作用的两种蛋白。另外灵敏度不如亲和色谱高。 ●Far-Western 又叫做亲和印记。将PAGE胶上分离好的凡百样品转移到硝酸纤维膜上，然后检测哪种蛋白能与标记了同位素的诱饵蛋白发生作用，最后显影。缺点是转膜前需要将蛋白复性。 2. 等离子表面共振技术（Surface plasmon resonance）该技术是将诱饵蛋白结合于葡聚糖表面，葡聚糖层固定于几十纳米厚的技术膜表面。当有蛋白质混合物经过时，如果有蛋白质同“诱饵”蛋白发生相互作用，那么两者的结合将使金属膜表面的折射率上升，从而导致共振角度的改变。而共振角度的改变与该处的蛋白质浓度成线性关系，由此可以检测蛋白质之间的相互作用。该技术不需要标记物和染料，安全灵敏快速，还可定量分析。缺点：需要专门的等离子表面共振检测仪器。 3. 双杂交技术原理基于真核细胞转录因子的结构特殊性，这些转录因子通常需要两个或以上相互独立的结构域组成。分别使结合域和

激活域同诱饵蛋白和猎物蛋白形成融合蛋白，在真核细胞中表达，如果两种蛋白可以发生相互作用，则可使结合域和激活域在空间上充分接近，从而激活报告基因。缺点：自身有转录功能的蛋白会造成假阳性。融合蛋白会影响蛋白的真实结构和功能。不利于核外蛋白研究，会导致假隐性。 5. 荧光共振能量转移技术指两个荧光法色基团在足够近（<100埃）时，它们之间可发生能量转移的现象。荧光共振能量转移技术可以研究分子内部对某些刺激发生的构象变化，也能研究分子间的相互作用。它可以在活体中检测，非常灵敏，分辩率高，能够检测大分子的构象变化，能够定性定量的检测相互作用的强度。缺点此项技术要求发色基团的距离小于100埃。另外设备昂贵，还需要融合GFP给蛋白标记。 此外还有交联技术（cross－linKing），蛋白质探针技术，噬菌体展示技术（Phage display）以及生物信息学的方法来检测蛋白质之间相互作用。 1，酵母双杂交 1-5 酵母双杂交系统是将待研究的两种蛋白质的基因分别克隆到酵母表达质粒的转录激活因子（如GAL4等）的DNA结合结构域基因和转录激活因子（如GAL4等）激活结构域基因，构建成融合表达载体，从表达产物分析两种蛋白质相互作用的系统

基因组学和蛋白质组学对新药研发的影响

通过校园网进入数据库例如维普期刊数据库、CNKI、超星电子图书等。完成 A、任选一题，检索相关资料，截取检索过程图片，做成一个ppt文件（50分）。 B、写综述形式的学术论文(学术论文格式，字数不限，正文字体小四)，做成word文件（50分）。要求：按照自己的思路组织成文件，严禁抄袭。 写明班级学号，打印纸质版交给老师。 1、对检索课题“磷酸对草莓生长和开花的影响”检索中文信息。提示：磷酸的化学物质名称是“Phosphonic acid ”普通商业名称是“ethephon”， 2、基因组学和蛋白质组学对新药研发的影响 3、红霉素衍生物的设计、合成与抗菌活性研究 4、HPLC法测定复方谷氨酰胺肠溶胶囊中L-谷氨酰胺的释放度 姓名：朱艳红 班级： 11生科师范 学号： 11223074 学科教师：张来军

基因组学和蛋白质组学对新药研发的影响琼州学院生物科学与技术学院 11生科师范2班朱艳红 11223074 摘要 20世纪末伴随着人类基因组计划的实施，相继产生了基因组学和蛋白质组学，基因组学和蛋白质组学的迅速发展，对药学科学产生着深远的影响。文章在简介蛋白质组学基本概念、核心技术的基础上，综述了基因组学和蛋白质组学对新药研发带来的影响。 关键词：基因组学；蛋白质组学；药物研发 The impact of genomics and proteomics on the research and development of innovative drug abstract With the implementation of the 20th century,Genomics and proteomics had emerged one after the other. Driven by Soaring development of the omits，pharmaceutical industry presents a new vision，all human life faces a promising future. On the basis of proteomics Introduction to basic concepts, core technology, reviewed the genomics and proteomics research on the impact of new drugs. Keywords:Genomics; proteomics; drug development

蛋白质相互作用

蛋白质相互作用的概述 一、为什么要研究蛋白质相互作用 二、蛋白质相互作用亲和力：K d=[A][B]/[AB] 三、蛋白质相互作用的应用 A、利用抗原和抗体的相互作用：Western blot，免疫共沉淀，染色质沉淀，抗体筛库 B、利用已知的相互作用建立tag：GST pull down，Biotin－Avidin结合， C、直接利用蛋白质的相互作用：蛋白质亲和层析，酵母双杂交，phage display，Bait蛋白质筛表达库，蛋白质组 四、相互作用的生物学意义：蛋白质间的相互作用是细胞生命活动的基础。 五、生物学功能的研究：获得功能或失去功能 I、一些常用蛋白质相互作用技术 ?Traditional co-purification (chromatography co-purification and co-sedimentation) ?Affinity chromatography：GST pull down，Epitope-tag ?(co-)Immunoprecipitation ?Western和Far-Western blot Surface Plasmon Resonance Two-Hybrid System Fluorescence Resonance Energy Transfer (FRET) （实验过程及原理，注意事项，优缺点） III、研究实例讨论 一、酵母双杂交系统 作用：发现新的相互作用蛋白质；鉴定和分析已有的蛋白质间的相互作用；确定蛋白质相互作用的功能基团 具体过程：见书本 优点：是酵母细胞的in vivo相互作用；只需要cDNA，简单；弱的相互作用也能检测到 缺点：都是融合蛋白，万一融合出新的相互作用；酵母的翻译后修饰不尽相同，尤其是蛋白质的调控性修饰；自身激活报告基因；基因库德要求比较高，单向1/3是in frame 蛋白质毒性；第三者Z插足介导的相互作用；假阳性 酵母双杂交系统是当前广泛用于蛋白质相互作用组学研究的一种重要方法。其原理是当靶蛋白和诱饵蛋白特异结合后，诱饵蛋白结合于报道基因的启动子，启动报道基因在酵母细胞内的表达，如果检测到报道基因的表达产物，则说明两者之间有相互作用，反之则两者之间没有相互作用。将这种技术微量化、阵列化后则可用于大规模蛋白质之间相互作用的研究。在实际工作中，人们根据需要发展了单杂

基因组学(结构基因组学和功能基因组学).

问:基因组学、转录组学、蛋白质组学、结构基因组学、功能基因组学、比较基因组学研究有哪些特点? 答:人类基因组计划完成后生物科学进入了人类后基因组时代,即大规模开展基因组生物学功能研究和应用研究的时代。在这个时代,生命科学的主要研究对象是功能基因组学,包括结构基因组研究和蛋白质组研究等。以功能基因组学为代表的后基因组时代主要为利用基因组学提供的信息。 基因组研究应该包括两方面的内容:以全基因组测序为目标的结构基因组学(struc tural genomics和以基因功能鉴定为目标的功能基因组学(functional genomics。结构基因组学代表基因组分析的早期阶段,以建立生物体高分辨率遗传、物理和转录图谱为主。功能基因组学代表基因分析的新阶段,是利用结构基因组学提供的信息系统地研究基因功能,它以高通量、大规模实验方法以及统计与计算机分析为特征。 功能基因组学(functional genomics又往往被称为后基因组学(postgenomics,它利用结构基因组所提供的信息和产物,发展和应用新的实验手段,通过在基因组或系统水平上全面分析基因的功能,使得生物学研究从对单一基因或蛋白质的研究转向多个基因或蛋白质同时进行系统的研究。这是在基因组静态的碱基序列弄清楚之后转入基因组动态的生物学功能学研究。研究内容包括基因功能发现、基因表达分析及突变检测。 基因的功能包括:生物学功能,如作为蛋白质激酶对特异蛋白质进行磷酸化修饰;细胞学功能,如参与细胞间和细胞内信号传递途径;发育上功能,如参与形态建成等采用的手段包括经典的减法杂交,差示筛选,cDNA代表差异分析以及mRNA差异显示等,但这些技术不能对基因进行全面系统的分析。新的技术应运而生,包括基因表达的系统分析,cDNA微阵列,DNA芯片等。鉴定基因功能最有效的方法是观察基因表达被阻断或增加后在细胞和整体水平所产生的表型变异,因此需要建立模式生物体。 功能基因组学

蛋白相互作用-ThermoFisher

Thermo Scientific Pierce Th S i tifi Pi
蛋 蛋白相互作用的研究方法和实践 实
罗 莎 Rosa Luo Ph.D. Application Scientist Biosciences Division Thermo Fisher Scientific China

酵母蛋白质相互作用图谱
Thick blue lines represent literature-derived interactions from PreBIND+MIPS in the HMS-PCI dataset. Thin orange lines represent potential novel interactions. Courtesy MDS Proteomics
2

蛋白质相互作用技术
Genetic Two Hybrid Phage Display Mutational analysis M t ti l l i Biochemical Immunoprecipitation (IP) Co-Immunoprecipitation (C IP) C I i it ti (Co-IP) Pull-Down Assays Far Western FRET (Fluorescence Resonance Energy Transfer) Chemical Crosslinking Label-transfer FeBABE F BABE mapping i Fluorescent Immunofluorescence colocalization
3

蛋白质相互作用数据库和分析方法

蛋白质相互作用数据库和分析方法 1. 蛋白质相互作用的数据库 蛋白质相互作用数据库见下表所示： 数据库名 说明 网址 BIND 生物分子相互作用数据库 http://bind.ca/ DIP 蛋白质相互作用数据库 https://www.wendangku.net/doc/4b33120.html,/ IntAct 蛋白质相互作用数据库 https://www.wendangku.net/doc/4b33120.html,/intact/index.html InterDom 结构域相互作用数据库 https://www.wendangku.net/doc/4b33120.html,.sg/ MINT 生物分子相互作用数据库 http://mint.bio.uniroma2.it/mint/ STRING 蛋白质相互作用网络数据库 http://string.embl.de/ HPRD 人类蛋白质参考数据库 https://www.wendangku.net/doc/4b33120.html,/ HPID 人类蛋白质相互作用数据库 http://wilab.inha.ac.kr/hpid/ MPPI 脯乳动物相互作用数据库 http://fantom21.gsc.riken.go.jp/PPI/ biogrid 蛋白和遗传相互作用数据，主要来自于酵母、线虫、果蝇和人 https://www.wendangku.net/doc/4b33120.html,/ PDZbase 包含PDZ 结构域的蛋白质相互作用数据库 https://www.wendangku.net/doc/4b33120.html,/services/pdz/start Reactome 生物学通路的辅助知识库 https://www.wendangku.net/doc/4b33120.html,/ 2. 蛋白质相互作用的预测方法 蛋白质相互作用的预测方法很非常多，以下作了简单的介绍 1) 系统发生谱 这个方法基于如下假定：功能相关的(functionally related)基因，在一组完全测序的基因组中预期同时存在或不存在，这种存在或不存在的模式(pattern)被称作系统发育谱；如果两个基因，它们的序列没有同源性，但它们的系统发育谱一致或相似．可以推断它们在功能上是相关的。

基因组学与蛋白质组学复习要点(答案)

一、名词： Gene 遗传学概念：基因是世代相传的，基因决定了遗传性状的表达，基因的颗粒性主要表现在世代相传的行为和功能表达上具有相对的独立性，基因呈直线排列在染色体上。 分子生物学概念：合成有功能的蛋白质或RNA所必需的全部DNA（部分RNA病毒除外），即一个基因不仅包括编码蛋白质或RNA的核酸序列，还应包括为保证转录所必需的调控序列。 genome 细胞或生物体中，一套完整单体的遗传物质的总和，即某物种单倍体的总DNA。对于二倍体高等生物来说，其配子的DNA总和即一组基因组，二倍体有两份同源基因组。 Protein 生物体中广泛存在的一类生物大分子，由核酸编码的α氨基酸之间通过α氨基和α羧基形成的肽键连接而成的肽链，经翻译后加工而生成的具有特定立体结构的、有活性的大分子。 Proteome (1)由一个基因组所表达的全部相应的蛋白质。(2)在一定条件下，存在于一个体系（包括细胞、亚细胞器、体液等）中的所有蛋白质。 exon 外显子(expressed region)是真核生物基因的一部分，它在剪接(Splicing)后仍会被保存下来，并可在蛋白质生物合成过程中被表达为蛋白质 古细菌 定义1：常生活于热泉水、缺氧湖底、盐水湖等极端环境中的原核生物。具有一些独特的生化性质，如膜脂由醚键而不是酯键连接。在能量产生与新陈代谢方面与真细菌有许多相同之处，而复制、转录和翻译则更接近真核生物。古核生物与真核生物可能共有一个由真细菌的祖先歧化而来的共同祖先。所属学科：生物化学与分子生物学（一级学科）；总论（二级学科）定义2：现今最古老的生物群，为地球原始大气缺氧时代生存下来的活化石。为单细胞生物，无真正的核，染色体含有组蛋白，RNA聚合酶组成比细菌的复杂，翻译时以甲硫氨酸为蛋白质合成的起始氨基酸，细胞壁中无肽聚糖，不同于真细菌，核糖体蛋白与真核细胞的类似。许多种类生活在极端严酷的环境中。与真核生物、原核生物并列构成现今生物三大进化谱系。 多聚酶链式反应（PCR） 多聚酶链式反应（PCR）：一种体外扩增DNA的方法。PCR使用一种耐热的多聚酶，以及两个含有20个碱基的单链引物。经过高温变性将模板DNA分离成两条链，低温退火使得引物和一条模板单链结合，然后是中温延伸，反应液的游离核苷酸紧接着引物从5…端到3?端合成一条互补的新链。而新合成的DNA又可以继续进行上述循环，因此DNA的数目不断倍增。 基因芯片（DNA微阵列）

蛋白质-蛋白质相互作用

蛋白质-蛋白质相互作用 蛋白质与蛋白质之间相互作用构成了细胞生化反应网络的一个主要组成部分，蛋白-蛋白互作网络与转录调控网络对调控细胞及其信号有重要意义。把原来spaces空间上的一篇蛋白质与蛋白质间相互作用研究方法转来，算是实验技巧分类目录的首篇。(另补充2：检测两种蛋白质之 间相互作用的实验方法比较) 一、酵母双杂交系统 酵母双杂交系统是当前广泛用于蛋白质相互作用组学研究的一种重要方法。其原理是当靶蛋白和诱饵蛋白特异结合后，诱饵蛋白结合于报道基因的启动子，启动报道基因在酵母细胞内的表达，如果检测到报道基因的表达产物，则说明两者之间有相互作用，反之则两者之间没有相互作用。将这种技术微量化、阵列化后则可用于大规模蛋白质之间相互作用的研究。在实际工作中，人们根据需要发展了单杂交系统、三杂交系统和反向杂交系统等。Angermayr等设计了一个SOS蛋白介导的双杂交系统。可以研究膜蛋白的功能，丰富了酵母双杂交系统的功能。此外，酵母双杂 交系统的作用也已扩展至对蛋白质的鉴定。 二、噬茵体展示技术 在编码噬菌体外壳蛋白基因上连接一单克隆抗体的DNA序列，当噬菌体生长时，表面就表达出相应的单抗，再将噬菌体过柱，柱上若含目的蛋白，就会与相应抗体特异性结合，这被称为噬菌体展示技术。此技术也主要用于研究蛋白质之间的相互作用，不仅有高通量及简便的特点，还具有直接得到基因、高选择性的筛选复杂混合物、在筛选过程中通过适当改变条件可以直接评价相互结合的特异性等优点。目前，用优化的噬菌体展示技术，已经展示了人和鼠的两种特殊细胞系的cDNA文库，并分离出了人上皮生长因子信号传导途径中的信号分子。 三、等离子共振技术 表面等离子共振技术(Surface Plasmon Resonance，SPR)已成为蛋白质相互作用研究中的新手段。它的原理是利用一种纳米级的薄膜吸附上“诱饵蛋白”，当待测蛋白与诱饵蛋白结合后，薄膜的共振性质会发生改变，通过检测便可知这两种蛋白的结合情况。SPR技术的优点是不需标记物或染料，反应过程可实时监控。测定快速且安全，还可用于检测蛋白一核酸及其它生物大分子之间 的相互作用。 四、荧光能量转移技术

浅析功能基因组学和蛋白质组学的概念及应用

【摘要】基因组相对较稳定，而且各种细胞或生物体的基因组结构有许多基本相似的特征；蛋白质组是动态的，随内外界刺激而变化。对蛋白质组的研究可以使我们更容易接近对生命过程的认识。蛋白质组学是在细胞的整体蛋白质水平上进行研究、从蛋白质整体活动的角度来认识生命活动规律的一门新学科，简要介绍功能基因组学和蛋白质组学的科学背景、概念及其应用。 【关键词】基因组；功能基因组学；蛋白质组学； 一、基因组及基因组学的概念 基因组(genome)一词系由德国汉堡大学H．威克勒教授于1920年首创，用以表示真核生物从其亲代所继承的单套染色体，或称染色体组。更准确地说，基因组是指生物的整套染色体所含有的全部DNA序列。由于在真核细胞的线粒体和植物的叶绿体中也发现存在遗传物质，因此又将线粒体或叶绿体所携带的遗传物质称为线粒体基因组或叶绿体基因组。原核生物基因组则包括细胞内的染色体和质粒DNA。此外非独立生命形态的病毒颗粒也携带遗传物质，称为病毒基因组。所有生命都具有指令其生长与发育，维持其结构与功能所必需的遗传信息，本书中将生物所具有的携带遗传信息的遗传物质总和称为基因组。[1] 基因组学(genomic)一词系由T．罗德里克(T．Roderick)于1986年首创，用于概括涉及基因组作图、测序和整个基因组功能分析的遗传学学科分支，并已用来命名一个学术刊物Genomics。基因组学是伴随人类基因组计划的实施而形成的一个全新的生命科学领域。[1] 基因组学与传统遗传学其他学科的差别在于，基因组学是在全基因组范围研究基因的结构、组成、功能及其进化，因而涉及大范围高通量收集和分析有关基因组DNA的序列组成，染色体分子水平的结构特征，全基因组的基因数目、功能和分类，基因组水平的基因表达与调控以及不同物种之间基因组的进化关系。基因组学的研究方法、技术和路线有许多不同于传统遗传学的特点，各相关领域的研究仍处于迅速发展和不断完善的过程中。 基因组学的主要工具和方法包括：生物信息学，遗传分析，基因表达测量和基因功能鉴定。 二、功能基因组学的概念及应用

检测蛋白质与蛋白质之间相互作用的实验技术

一、检测蛋白质与蛋白质相互作用 ① FRET技术（in vivo） FRET，Fluorescence resonance energy transfer，即荧光共振能量转移技术。该技术的原理是用一种波长的光激发某种荧光蛋白后，它释放的荧光刚好又能激发另一种荧光蛋白，使其释放另一波长的荧光，如下图所示： 以下图为例，若要利用FRET检测两种蛋白是否有相互作用，需将两种蛋白的基因分别与这两种荧光蛋白的基因融合，并在细胞内表达出两种融合蛋白。然后只需用紫外光对CFP进行激发，并检测GFP是否放出绿色荧光。如果能检测到绿色荧光，那么可以说明这两种蛋白可能有相互作用；反之，则是这两种蛋白没有相互作用。 ②酵母双、三杂交技术（in vivo） 酵母双杂交系统主要用于考察两种蛋白是否有相互作用，其原理是典型的真核生长转录因子，如GAL4、GCN4等都含有二个不同的结构域，即AD和BD。这些转录因子只有同时具有这两个结构域时才能起始转录。由此，设计不同的两个载体，一个含有AD基因（假设为A载体），另一个含有BD基因（假设为B载体）。 一般将一个已知蛋白的基因连在B载体上，作为诱饵(Bait)，将未知蛋白的基因连在A载体上，将这两个载体都转到特定的酵母细胞内，看未知蛋白与已知蛋白是否有相互作用。如果两者有相互作用，那么就可以启动报告基因的转录，从而使这个酵母细胞能在选择培养基上显现出来或者生存下来；如果两者无相互作用，那么报告基因就无法表达，那么这个酵母细胞就无法在择培养基上显现出来或者生存下来，如下图所示：

由于酵母双杂交系统不能鉴定膜蛋白间的相互作用，因此又发展出了分离泛素酵母双杂交系统。该系统的原理如下图所示： 如图所示，将泛素蛋白拆分为两个片段，即C端段(Cub)和N端段(NubG)，并在C端段的N端接上一个LexA-VP16转录因子，此时它并不能激活基因转录（因为它被限制在了C端段上，不能进入细胞核发挥作用）。 将该C端段连到一个膜蛋白上，将N端段连接到另一个膜蛋白上。若两个膜蛋白有相互作用，那么两个膜蛋白在相互靠近时会使泛素蛋白的N端段和C端段靠近结合，形成一个完整的泛素蛋白。此时泛素蛋白酶体会将这一段被泛素标记的片段降解，那么连接C端段的LexA-VP16转录因子掉落，即可进入细胞核启动标记基因的表达。 酵母三杂交的原理与双杂交一样，只是它研究的是两个蛋白和第三个成分间的相互作用，通过第三个成分使两个蛋白相互靠近。第三个成分可以是：蛋白、RNA或小分子，如下图所示： 如上图所示，在加入第三种成分前，蛋白X与蛋白Y之间并无直接相互作用，因此无法使BD和AD靠近，报告基因不能表达；当加入第三种成分后，蛋白X与蛋白Y的距离被拉近，BD和AD靠近，报告基因表达，从而可以被检测到。 ③ Pulldown技术（in vitro） Pulldown，即蛋白沉降技术，它是建立在蛋白质亲和层析的基础上的一种检测蛋白质间相互作用的分析方法。亲和层析的原理如下图所示，不同蛋白对配体的亲和程度不同，因此可以先将非特异结合的蛋白用低浓度缓冲液给清洗出去，只剩目的蛋白与层析柱结合，然后再用洗脱液将目的蛋白洗脱下来，达到纯化目的蛋白的作用。

生态毒理基因组学和生态毒理蛋白质组学研究进展_戴家银

第26卷第3期2006年3月生 态 学 报ACTA EC OLOGI CA SI NICA Vol .26,No .3Mar .,2006生态毒理基因组学和生态毒理蛋白质组学研究进展 戴家银,王建设 (中国科学院动物研究所,北京　100080) 基金项目:中国科学院知识创新工程重要方向性资助项目(KSCX2-SW -128) 收稿日期:2005-08-30;修订日期:2005-12-05 作者简介:戴家银(1965～),男,安徽怀宁人,博士,研究员,主要从事生态毒理学和生物化学研究.E -mail :daijy @ioz .ac .cn Foundation item :The project was supported by the Innovation Project of Chines e Academy of Sciences (No .KSCX2-SW -128) Received date :2005-08-30;Accepted date :2005-12-05 Biography :DAI Jia -Yin ,Ph .D .,Professor ,mainly engaged in ecotoxicology and biochemis try .E -mail :daijy @ioz .ac .cn 摘要:将基因组学和蛋白质组学知识整合到生态毒理学中形成了生态毒理基因组学和生态毒理蛋白质组学。通过生态毒理基因组学和生态毒理蛋白质组学的研究能够在基因组和蛋白质组水平更深入理解毒物的作用机制,寻找更敏感、有效的生物标记物,形成潜在的强有力的生态风险评价工具。介绍了生态毒理基因组学和生态毒理蛋白质组学的研究进展,以及DNA 芯片技术和2D -凝胶电泳技术在持久性有毒污染物的生态毒理学研究中的应用。 关键词:生态毒理基因组学;生态毒理蛋白质组学;DNA 芯片技术;2D -凝胶电泳;持久性有机污染物 文章编号:1000-0933(2006)03-0930-05　中图分类号:X171　文献标识码:A Progress in ecotoxicogenomics and ecotoxicoproteomics DAI Jia -Yin ,WANG Jian -She (Institut e of Zoology ,C hines e Acade my of Sci ence s ,Beijing 100080,C hina )..Acta Ecologica Sinica ,2006,26(3): 930～934.Abstract :Ec otoxicogeno mics and ecotoxic oproteo mics are integration of genomics and proteomics into ec otoxicology .Ecotoxic ogenomics is defined as the study of gene and pr otein expr ession in non -target organisms that is impor tant in responses to environmental toxicant exposures .Ecotoxic ogenomic toolsmay provide us with a better mechanistic understanding of ec otoxicology ,and they are likely to provide a vital r ole in ecological risk assessment .Pr ogress in ec otoxicogenomics and ecotoxicoprote omics are discussed in this paper .DNA gene c hip and 2D -gel usually used in ecotoxicogeno mics and ecotoxicoproteomics ar e also e xpounded by exa mples . Key words :ec otoxicogeno mics ;ecotoxic oproteo mics ;D NA micr oarra y ;2D -gel ;persistent organic pollutants 随着生态学和环境科学的深入发展,生态毒理学已成为生态学和环境科学前沿研究领域,正从基因、蛋白质、器官和整体水平深入开展研究工作。 在人类基因组计划实施的短短几年间,以“组学(-omics )”构成的学科及其相关研究如雨后春笋般在生命科学界迅速蔓延、蓬勃发展。在环境科学领域中也出现了环境基因组学(environmental genomics )、毒理基因组学(toxicogenomics )等学科。Snape 等人[1～3]将基因组学知识整合到生态毒理学中,于2004年提出了“生态毒理基因组学(ecotoxicogenomics )”的概念,通过生态毒理基因组学研究确认一系列毒物效应基因,从而在基因组水平更深入理解毒物的作用机制,并在基因和蛋白质水平寻找更敏感、有效的生物标记物(biomarkers ),形成潜在的强有力的生态风险评价工具。 持久性有机污染物(Persistent Organic Pollutants ,POPs )是指能持久存在于环境中、通过食物链蓄积、逐级传递,经直接或间接途径进入人体的化学物质。POPs 具有致癌、致畸、致突变性、内分泌干扰等毒作用。POPs 对人体健康和生态环境带来的危害受到全社会的普遍关注,引起世界各国的决策者和科学家的高度重视,也成为环境科学和生态毒理学研究的热点课题之一[4,5]。我国已于2001年5月签署了控制12种P OPs 对人类健康

蛋白质相互作用的主要研究方法

蛋白质相互作用的主要研究方法 细胞接受外源或是内源的信号，通过其特有的信号途径，调节其基因的表达，以保持其生物学特性。在这个过程中，蛋白质占有很重要的地位，它可以调控, 介导细胞的许多生物学活性。虽然有一些蛋白质可以以单体的形式发挥作用，但是大部分的蛋白质都是和伴侣分子一起作用或是和其他蛋白质形成复合物来发挥作用的。因此，为了更好地理解细胞的生物学活性，必须很好地理解蛋白质单体和复合物的功能，这就会涉及到蛋白质相互作用的研究。在现代分子生物学中，蛋白质相互作用的研究占有非常重要的地位。 研究蛋白质相互作用时要根据不同的实验目的及条件选择不同的实施策略。研究已知蛋白间的相互作用人们关注的是蛋白间能否发生结合，实验本身更趋向于验证性，因此，应选择操作性强、可信度高、接近生理条件的技术方法，尽量减少实验本身带来的假阴性或假阳性。蛋白质相互作用方面的研究方法主要有免疫共沉淀、Far Western blotting、生物信息学、酵母双杂交系统、噬菌体展示、表面等离子共振、荧光能量转移等几种。 1 免疫共沉淀 免疫共沉淀（Co-Immunoprecipitation）是以抗体和抗原之间的专一性作用为基础的用于研究蛋白质相互作用的经典方法。是确定两种蛋白质在完整细胞内生理性相互作用的有效方法。其基本原理是:细胞裂解液中加入抗体，和抗原形成特异免疫复合物，经过洗脱，收集免疫复合物，然后进行SDS-PAGE及Western blotting分析。免疫共沉淀既可以用于检验已知的两个蛋白质在体内的相互作用，也可以找出未知的蛋白质相互作用，不管是两者的哪个，其原则都是一样的，都需要用特异性的抗体和其中的一种蛋白质结合，之后通过蛋白质A或蛋白质G琼脂糖微珠将复合物沉淀下来，然后用SDS-PAGE鉴定。免疫共沉淀中设置正确的对照非常重要，因为该方法可能出现假阳性的概率比较高，设置的对照包括：在对照组中使用对照抗体，以缺失目的蛋白的细胞系作为阴性对照等等。 在免疫共沉淀试验中要保证试验结果的真实性应注意以下几点：（1）确保共沉淀的蛋白是由所加入的抗体沉淀得到的，而并非外源非特异蛋白。单克隆抗体的使用有助于避免污染的产生。（2）要确保抗体的特异性。即在不表达抗原的细胞溶解物中添加抗体后不会引起共沉淀。（3）确定蛋白间的相互作用是发

基因组学和蛋白质组学之间的关系

基因组学与蛋白质组学之间的关系 1 基因组学概述 基因组学，研究生物基因组和如何利用基因的一门学问。用于概括涉及基因作图、测序和整个基因组功能分析的遗传学分支。该学科提供基因组信息以及相关数据系统利用，试图解决生物，医学，和工业领域的重大问题。 基因组研究应该包括两方面的内容：以全基因组测序为目标的结构基因组学）和以基因功能鉴定为目标的功能基因组学，又被称为后基因组研究，成为系统生物学的重要方法。 基因组学能为一些疾病提供新的诊断，治疗方法。例如，对刚诊断为乳腺癌的女性，一个名为“Oncotype DX”的基因组测试，能用来评估病人乳腺癌复发的个体危险率以及化疗效果，这有助于医生获得更多的治疗信息并进行个性化医疗。基因组学还被用于食品与农业部门。 基因组学的主要工具和方法包括：生物信息学，遗传分析，基因表达测量和基因功能鉴定。 2 蛋白质组学概述 蛋白质组学（Proteomics）一词，源于蛋白质（protein）与基因组学（genomics）两个词的组合，意指“一种基因组所表达的全套蛋白质”，即包括一种细胞乃至一种生物所表达的全部蛋白质。蛋白质组本质上指的是在大规模水平上研究蛋白质的特征，包括蛋白质的表达水平，翻译后的修饰，蛋白与蛋白相互作用等，由此获得蛋白质水平上的关于疾病发生，细胞代谢等过程的整体而全面的认识，这个概念最早是由Marc Wilkins 在1995年提出的。 3 两者之间的关系 90年代初期开始实施的人类基因组计划，在经过各国科学家近10年的努力下，已经取得了巨大的成就。不仅完成了十余种模式生物（从大肠杆菌、酿酒酵母到线虫）基因组全序列的测定工作，还有望在2003年提前完成人类所有基因的全序列测定。那么，知道了人类的全部遗传密码即基因组序列，就可以任意控制人的生老病死吗？其实并不是这么简单。基因组学虽然在基因活性和疾病的相关性方面为人类提供了有力根据,但实际上大部分疾病并不是因为基因改变所造成。并且，基因的表达方式错综复杂，同样的一个基因在不同条件、不同时期可能会起到完全不同的作用。关于这些方面的问题，基因组学是无法回答的。所以，随着人类基因组计划的逐步完成，科学家们又进一步提出了后基因组计划，蛋白质组研究是其中一个很重要的内容。 目前，在蛋白质功能方面的研究是极其缺乏的。大部分通过基因组测序而新发现的基因编码的蛋白质的功能都是未知的，而对那些已知功能的蛋白而言，它们的功能也大多是通过同源基因功能类推等方法推测出来的。有人预测，人类基因组编码的蛋