染色质免疫共沉淀实验方法

染色质免疫共沉淀(ChIP)技术是一种检测蛋白质与DNA结合的实验技术。该方法可以先进行样品交联,然后将蛋白质与DNA复合物进行随机DNA切断,再借助免疫学方法特异性富集与目的蛋白相结合的DNA片段,从而检测转录因子等目的蛋白质与DNA的结合情况,鉴定基因启动子或其它DNA结合位点。该方法同时也可应用于研究基因组特定位点的组蛋白修饰情况。该文介绍了依赖交联固定的常规免疫共沉淀(X-ChIP),以及适用于10~3细胞级别微量实验材料的基于微球菌核酸酶非交联免疫共沉淀(ULI-NChIP)具体操作过程和注意事项。     

Reverse ChIP:研究DNA-蛋白质相互作用的新方法

反向染色质免疫共沉淀技术(reverse chromatin immunoprecipitation assay,Reverse ChIP)是一种在体内状态下分析DNA-蛋白质相互作用的新方法.它用特异的核酸探针捕获靶DNA片段及与其相结合的蛋白质,蛋白质用质谱仪检测,以达到确定靶DNA位点全部相关蛋白质的目的.其可对靶DNA位点相关蛋白质进行全面、系统地鉴定,特别是寻找已知DNA元件相应的调节蛋白.在发现、鉴定靶DNA位点相关蛋白质和研究DNA-蛋白质相互作用中有重要应用价值.     

一种微小染色质免疫共沉淀方法的建立

染色质免疫共沉淀(chromatin immunoprecipitation assay,ChIP)是目前研究蛋白与DNA相互作用的强有力的技术之一.然而传统的ChIP实验方法的最大缺陷是要求大量的细胞数,这限制了它应用于少量细胞数的样品.在传统ChIP实验的基础上综合国外文献建立了一种能在少量细胞样品中进行的染色质免疫共沉淀实验,称之为微小染色质免疫共沉淀(miniChIP).并通过对诱导前后的MEL细胞中表达的β珠蛋白基因簇组蛋白H4乙酰化(acH4)的研究,证实了其可靠性和特异性.结果显示:高敏位点HS2和活跃基因β-maj的启动子区域存在一定的组蛋白H4乙酰化水平,DMSO诱导后显著增加,而不活跃基因Ey的启动子区域则检测到极低水平的组蛋白H4乙酰化,且诱导后无明显变化.     

PML-C与GINS2蛋白相互作用的胞内验证

目的 通过胞内实验验证PML-C与GINS2蛋白之间的相互作用.方法 将诱饵蛋白质粒pGBKT7-PML-C和文库蛋白质粒pACT2-GINS2共转化AH109酵母菌,通过一对一的酵母双杂交技术验证两者在活细胞内的相互作用;构建pCMV-HA-PML-C及pCMV-Myc-GINS2真核表达载体并共转染人胚肾293细胞,利用免疫共沉淀技术验证二者之间的相互作用.结果 pGBKT7-PML-C诱饵蛋白质粒和pACT2-GINS2靶蛋白质粒共转化AH109酵母菌后,可见蓝色阳性克隆生长;pCMV-HA-PML-C及pCMV-Myc-GINS2真核表达载体构建成功,共转染293细胞,抗HA多克隆抗体沉淀与HA-PML-C相互作用的蛋白复合物后,用抗Myc单克隆抗体进行Western印迹检测,可以检测到Myc-GINS2蛋白.结论 利用酵母双杂交和免疫共沉淀技术在胞内验证了PML-C与GINS2间存在相互作用.     

建立基于RNA免疫共沉淀技术的鼠疫耶尔森菌Hfq蛋白相关sRNA的体内验证方法

目的：建立RNA免疫共沉淀方法,为鼠疫耶尔森菌Hfq蛋白相关非编码小RNA（sRNA）提供体内验证方法。方法：首先在RNA结合蛋白Hfq下游加入Flag标签,用Flag标签抗体进行免疫共沉淀,获得蛋白-RNA复合物,然后从沉淀的蛋白-RNA复合物中分离得到纯化的RNA;通过Western印迹检测各步骤Hfq蛋白的表达,再利用Northern印迹检测目的sRNA--RyhB1和RyhB2。结果：构建了带有Flag标签的RNA结合蛋白Hfq的载体,此载体转导入hfq缺失株后与鼠疫菌野生株的生长曲线无明显差异;通过RNA-蛋白免疫共沉淀技术鉴定出已知与鼠疫菌Hfq蛋白结合的2个sRNA--RyhB1和RyhB2。结论：建立了利用RNA-蛋白免疫共沉淀鉴定与鼠疫菌Hfq蛋白结合的sRNA的技术,为细菌sRNA的验证、功能研究和体内蛋白质与RNA相互作用研究提供了有利工具。     

β-TC3细胞膜与胰岛素受体结合G蛋白的鉴定

目的:用免疫共沉淀的方法检测β-TC3(小鼠胰岛β细胞瘤细胞)细胞膜中与胰岛素受体结合的G蛋白.方法:提取β-TC3细胞膜蛋白,通过免疫共沉淀及蛋白质印迹的方法,检测G蛋白α及β亚基的表达.结果:抗胰岛素受体抗体沉淀胰岛素受体结合的G蛋白复合物后,分别用抗胰岛素受体抗体、抗G蛋白α亚基抗体及抗G蛋白β亚基抗体,检测到胰岛素受体、G蛋白α亚基及G蛋白β亚基的表达.结论:在β-TC3细胞膜中,胰岛素受体与G蛋白共存,G蛋白α亚基及β亚基与胰岛素受体可能存在直接的相互作用.     

Robo1 与Nek9相互作用并影响胃癌细胞迁移

目的:筛选与Robo1分子相互作用的蛋白质,为揭示Robo1调节胃癌细胞迁移能力的机制提供线索。方法:通过Transwell迁移实验检测下调Robo1对胃癌细胞SGC7901迁移能力的影响,并对胃癌细胞SGC7901利用Robo1抗体和lgG分别进行免疫沉淀,再经质谱检测及生物信息学分析筛选与Robo1分子特异性结合的蛋白质,通过免疫共沉淀(Co-immunoprecipitation,Co-IP)验证蛋白质相互作用。结果:(1)转染Robo1小干扰RNA(si RNA)的SGC7901细胞较转染阴性对照RNA的迁移能力显著降低。(2)通过免疫沉淀、质谱检测和生物信息学分析的两次生物学重复得到一系列与Robo1相互作用的蛋白,筛选出丰度高、重复性好且功能相关的Nek9蛋白。(3)Co-IP实验结果显示与对照抗体相比,Robo1抗体可特异性地将Nek9沉淀下来,同时Nek9抗体也可特异性地将Robo1共沉淀下来,确证了Robo1-Nek9的相互作用。结论:Nek9是与Robo1相互作用的蛋白质,Robo1下调影响人胃癌细胞系SGC7901的迁移能力,可能通过Nek9起作用。Robo1-Nek9的相互作用为进一步研究Robo1在胃癌细胞中的功能及机制提供了有利的线索。     

免疫共沉淀联合质谱对肝细胞核因子3β蛋白复合体的分离鉴定

目的:利用免疫共沉淀联合质谱分析方法,在人肝癌细胞系细胞株HepG2内筛选与肝细胞核因子(HNF)3β相互作用的蛋白质。方法:通过免疫共沉淀,用特异抗体分离出HNF3β蛋白复合体,质谱鉴定其成分,NCBI数据库检索各个蛋白质的功能,分析筛选与HNF3β相互作用的蛋白质。结果:利用免疫共沉淀联合质谱分析筛选到32个与HNF3β相互作用的候选蛋白质,数据库检索发现LMNA与HNF3β具有相同功能注释,参与转录调控。结论:在细胞内HNF3β与多种蛋白质有相互作用,协同参与转录调控,推测HNF3β/LMNA之间相互作用的变化与葡萄糖及脂肪代谢及相关疾病的发生有关。     

凋亡蛋白和Nmi的相互作用及作用位点的筛选鉴定

为研究来源于鸡贫血病毒的小分子蛋白质———凋亡蛋白 (apoptin)诱导肿瘤细胞凋亡的分子机制 ,利用酵母双杂交系统从人白细胞cDNA文库筛选凋亡蛋白相互作用蛋白质 ,核苷酸序列分析及同源性检索表明 ,其中一个约为 1.2kb的克隆与Nmi(N Mycinteractionprotein)高度同源。细胞免疫共沉淀实验结果显示 ,在哺乳动物细胞水平仍能够检测到凋亡蛋白与全长Nmi的特异相互作用。利用构建好的分别缺失C端 11个氨基酸、中间 33～46位氨基酸和二者均缺失的 3个凋亡蛋白突变体进行相互作用位点研究 ,结果表明凋亡蛋白的 33～ 46位氨基酸(核外运信号 )对于凋亡蛋白与Nmi的相互作用是必需的 ,而C端核定位信号 /DNA结合序列对于凋亡蛋白与Nmi的相互作用不是充分必要的     

人间隙连接蛋白 31 相互作用蛋白Annexin Ⅱ的筛选与证实

间隙连接蛋白 31 (connexin31 , Cx31) 是间隙连接蛋白 (connexin) 家族的一员,目前对于 Cx31 的功能及其调节方式知之甚少 . 采用固相多肽合成的方法合成 Cx31 羧基端一个多肽片段 (250~266) ,经 HPLC 纯化后偶联到匙孔血蓝蛋白,免疫新西兰雄兔后采血检测、并纯化、经蛋白质印迹、细胞免疫荧光染色、免疫沉淀证实得到的抗体为特异性抗 Cx31 的抗体 . 运用制备的抗 Cx31 多克隆抗体免疫沉淀, SDS- 聚丙烯酰胺凝胶电泳 (SDS-PAGE) 分离,蛋白质条带回收,蛋白质胶块酶解, Q-TOF 质谱分析,数据库扫描筛选可能相互作用蛋白,运用抗体 pull-down 实验,筛选到可能相互作用蛋白 annexin Ⅱ,经过免疫共沉淀、细胞免疫共定位等实验证实 annexin Ⅱ与 Cx31 相互作用 .     

An efficient chromatin immunoprecipitation (ChIP) protocol for studying histone modifications in Arabidopsis plants

Chromatin immunoprecipitation (ChIP) is a powerful tool for the characterization of covalent histone modifications and DNA-histone interactions in vivo. The procedure includes DNA-histone cross-linking in chromatin, shearing DNA into smaller fragments, immunoprecipitation with antibodies against the histone modifications of interest, followed by PCR identification of associated DNA sequences. In this protocol, we describe a simplified and optimized version of ChIP assay by reducing the number of experimental steps and isolation solutions and shortening preparation times. We include a nuclear isolation step before chromatin shearing, which provides a good yield of high-quality DNA resulting in at least 15 mug of DNA from each immunoprecipitated sample (from 0.2 to 0.4 g of starting tissue material) sufficient to test > or =25 genes of interest. This simpler and cost-efficient protocol has been applied for histone-modification studies of various Arabidopsis thaliana tissues and is easy to adapt for other systems as well.     

Bayesian Modeling of ChIP‐chip Data Through a High‐Order Ising Model

Summary ChIP‐chip experiments are procedures that combine chromatin immunoprecipitation (ChIP) and DNA microarray (chip) technology to study a variety of biological problems, including protein–DNA interaction, histone modification, and DNA methylation. The most important feature of ChIP‐chip data is that the intensity measurements of probes are spatially correlated because the DNA fragments are hybridized to neighboring probes in the experiments. We propose a simple, but powerful Bayesian hierarchical approach to ChIP‐chip data through an Ising model with high‐order interactions. The proposed method naturally takes into account the intrinsic spatial structure of the data and can be used to analyze data from multiple platforms with different genomic resolutions. The model parameters are estimated using the Gibbs sampler. The proposed method is illustrated using two publicly available data sets from Affymetrix and Agilent platforms, and compared with three alternative Bayesian methods, namely, Bayesian hierarchical model, hierarchical gamma mixture model, and Tilemap hidden Markov model. The numerical results indicate that the proposed method performs as well as the other three methods for the data from Affymetrix tiling arrays, but significantly outperforms the other three methods for the data from Agilent promoter arrays. In addition, we find that the proposed method has better operating characteristics in terms of sensitivities and false discovery rates under various scenarios.