《细胞-代谢》：研究发现戊二酸尿症潜在药物靶标

《细胞-代谢》（Cell Metabolism）报道。中科院上海药物所化学蛋白质组学研究中心科研人员首次发现了与遗传代谢性疾病戊二酸尿症相关的体内蛋白修饰新型通路——赖氨酸戊二酰化,并发现了治疗此疾病的潜在新药物靶标。     

小分子药物靶标寻找方法研究进展

许多微生物的次生代谢物属于小分子活性化合物,在医疗及农业领域发挥着重要的作用。在基因组学、蛋白质组学与生物信息学等技术的推动下,一些新的小分子药物靶标寻找方法应运而生了,这些新的方法主要是基于细胞中基因或蛋白质的表达量、蛋白质的亲和性、稳定性等各种特性进行靶标寻找的。小分子药物靶标寻找方法的发展加快了阐明小分子药物作用机理的历程,也为发现新的靶标资源以便于进一步筛选活性更高的药物提供了技术保障。     

药物靶标蛋白在蛋白网络中的分布

药物靶标发现是目前生物学研究领域的热点和难点问题。从已有药物靶标中寻找规律可以为新靶标的发现总结规律,提供依据。随着功能基因组学的发展,这种组学数据的积累为这一问题的研究提供了契机。本文研究了已有靶标在蛋白网络中的分布,并分析了它们的蛋白功能域组成情况。结果显示靶标基因倾向位于网络的核心区域,并且集中在一些特定蛋白家族中。这些规律的总结将对药物研发过程中药物靶点的选择提供一定的帮助。     

药物蛋白质组学与药物发现

21世纪,科学家面临着从基因组到蛋白质组的转变,蛋白质组学是基因组和药物发现的效率。药物蛋白质组学研究不仅有助于发现治疗的可能靶点,也将明显提高药物发现的效率。药物蛋白质组学的研究内容,在临床前包括发现新的治疗靶点和发现针对所有靶点的全部化合物,在临床研究方面应包括药物作用的特异蛋白作为诊断和治疗的标志,或以蛋白质谱的差异来分类者。本文主要综述了蛋白质组学在药物靶点的发现和确认,以有药物发现过程中最有关的技术物研究进展。     

化学蛋白质组学技术在药物靶标鉴定中的应用

药物开发过程面临多重挑战,而靶标确证是其中的重要一环。如何运用多种研究方法发现和确认小分子药物的靶标是目前研究人员的主要工作内容之一。化学蛋白质组学整合了细胞生物学、合成化学和生物质谱等多门学科,为药物的靶标筛选提供了新平台。本文对近年来发展的基于生物质谱的化学蛋白质组学药物靶标鉴定技术进行了总结,结合具体应用分析其优缺点,并对该类技术的发展和应用进行总结和展望。     

利用靶标分子使药物释放优化

ＢｉｏｔｅｃｈｎｏｌｏｇｙＮｅｗｓ ,2 0 0 1年 2 1卷 15期报道 :专化性在开发有效药物中是一个关键。刚成立 6个月的ＴａｒｇｅｔｅｄＭｏｌｅｃｕｌｅｓＣｒｏｐ .(ＴＭＣ) (Ｓａｎｄｉｅｇｏ ,ＣＡ)在药物专化性释放研究领域中是一个新加入者。该公司针对血管专化性靶标来改善药物在体内的有效释放 ,因而该公司成为研究肿瘤学、血管系统疾病和炎症的公司的新伙伴。ＴＭＣ是去年 11月从ＢｕｒｎｈａｍＩｎｓｔｉｔｕｔｅ(ＬａＪｏｌｌａ ,ＣＡ)独立出来的研究开发型公司 ,拥有Ｂｕｒｎｈａｍ公司的 12个专利和一个有专利保护的技术所生…     

光亲和标记技术在药物发现中的应用

功能蛋白质组学的研究在药物发现中扮演着重要的角色,而光亲和标记技术是研究功能蛋白质组学的主要策略之一,它主要有两个方面的应用：靶标蛋白的确定和活性小分子配体与靶标蛋白作用模式的揭示,这些信息为药物的发现提供了强有力的支持。     

蛋白质酪氨酸磷酸酶与药物靶标

蛋白质酪氨酸磷酸化作用是真核细胞中的一种重要信号作用机制,由蛋白质酪氨酸激酶和蛋白质酪氨酸磷酸酶共同调控.蛋白质酪氨酸磷酸酶在真核细胞代谢进程中起着重要的作用,与许多人类疾病如肿瘤、心血管疾病、免疫缺陷性疾病、传染病、神经性以及代谢方面疾病的发病机制密切相关,许多蛋白质酪氨酸磷酸酶已成为研究和开发治疗人类重大疾病药物的优秀靶标.     

分枝杆菌膜蛋白相关抗结核药物靶标的研究进展

结核病是由结核分枝杆菌引起的慢性传染病。当前结核病耐药等问题愈加严重,基于新靶点的抗结核新药研发也变得尤为重要。分枝杆菌膜蛋白是镶嵌于细胞膜磷脂双层或与脂双层结合的一类蛋白,参与细胞结构合成、物质跨膜转运、催化等重要的生物学功能,并在宿主感染中参与免疫识别、免疫逃逸、毒力因子释放等致病机制。另一方面,膜蛋白具有特定的拓扑结构和细胞定位,药物靶标可及性强,因此膜蛋白是抗结核药物作用的理想靶标。本文就分枝杆菌膜蛋白在细胞壁合成、物质跨膜转运、细菌休眠、细菌与宿主互作及分泌系统相关研究进展进行综述,旨在为抗结核药物研发提供新思路。     

基于机器学习的药物-靶标相互作用预测*

近年来,随着计算机硬件、软件工具和数据丰度的不断突破,以机器学习为代表的人工智能技术在生物、基础医学和药学等领域的应用不断拓展和融合,极大地推动了这些领域的发展,尤其是药物研发领域的变革。其中,药物-靶标相互作用(drug-target interactions, DTI)的识别是药物研发领域中的重要难题和人工智能技术交叉融合的热门方向,研究人员在DTI预测方面做了大量的工作,构建了许多重要的数据库,开发或拓展了各类机器学习算法和工具软件。对基于机器学习的DTI预测的基本流程进行了介绍,并对利用机器学习预测DTI的研究进行了回顾,同时对不同的机器学习方法运用于DTI预测的优缺点进行了简单总结,以期对开发更加有效的预测算法和DTI预测的发展提供帮助。     

药物靶点的选择和验证

药物靶点的选择和验证是药物开发研究中一个重要的环节.随着现代分子生物学技术的发展和人类基因组计划的完成,出现了大量可供治疗干预的新型分子靶点,对这些新型分子靶点进行验证成为药物开发科学家所面临的重要任务.为此,就药物靶点及其选择、验证所需的分子技术基础作一简要综述.     

Miniaturized fluid array for high‐throughput protein expression

We describe a miniaturized fluid array device for high‐throughput cell‐free protein synthesis (CFPS), aiming to match the throughput and scale of gene discovery. Current practice of using E. coli cells for production of recombinant proteins is difficult and cost‐prohibitive to implement in a high‐throughput format. As more and more new genes are being identified, there is a considerable need to have high‐throughput methods to produce a large number of proteins for studying structures and functions of the corresponding genes. The device consists of 96 units and each unit is for expression of one protein; thus up to 96 proteins can be produced simultaneously. The function of the fluid array was demonstrated by expression of a variety of proteins, with more than two orders of magnitude reduction in reagent consumption compared with a commercially available CFPS instrument. The protein expression yield in the device was up to 87 times higher for β‐glucoronidase than that in a conventional microplate. The concentration of β‐galactosidase expressed in the device was determined at 5.5 μg/μL. The feasibility of using the device for drug screening was demonstrated by measuring the inhibitory effects of mock drug compounds on synthesized β‐lactamase without the need for harvesting proteins, which enabled us to reduce the analysis time from days to hours. © 2010 American Institute of Chemical Engineers Biotechnol. Prog., 2010     

cDNA微阵列制作的优化

为了优化筛检cDNA微阵列中靶基因的最适长度、浓度及点样溶液的种类,设计持家基因betaactin和GAPDHRT PCR3对引物,产物长度在189～1078bp之间,以乙肝病毒DNA片段为阴性对照,扩增纯化后分别溶于3×SSC、50%DMSO及0.5mol/L碳酸盐缓冲液(pH=9.0)中,调整浓度分别为0.5μg/μL、1.0μg/μL和1.5μg/μL,比较上述不同条件的杂交结果。结果表明,杂交具有较好的特异性,阴性对照(乙肝病毒)和空白对照(点样溶液)均未见杂交信号;3种长度的同一靶基因杂交信号强度无明显差别(betaactinP=0.378;GAPDHP=0.866);3种点样溶液中以50%DMSO杂交信号最好,较强且均匀一致(P=0.0001),其余2种差异不显著(P=0.142);3种浓度靶基因杂交信号差异不显著(P=0.648),浓度高者信号略强。短片段靶基因(200bp左右)可获得与长片段靶基因(1000bp以上)一样较好的杂交信号,点样溶液以50%DMSO效果最好,靶基因浓度为0.5μg/μL时即可得到较好的杂交结果。     

蛋白质芯片在蛋白质组学研究中的作用

蛋白质芯片是以高度并行性、高通量、微型化和自动化为特点的蛋白质组检测技术。本文综述了蛋白质芯片在蛋白质组学研究中的多种作用,包括普通蛋白质芯片在微量蛋白质分离、蛋白质与蛋白质之间以及蛋白质与其他小分子间相互作用和蛋白质定量检测方面的作用,普通蛋白质芯片通过与质谱技术、生物传感器技术的结合而拓展其应用范围,以及蛋白质组芯片、活性的蛋白质芯片在蛋白质组学研究中应用的进展。     

DNA微阵列技术在阿尔茨海默病及其防治药物研究中的应用

在生物技术飞速发展的今天,DNA微阵列已成为功能基因组时代大规模、高通量乃至全基因组表达和功能研究的有力工具。阿尔茨海默病,因其发病机制复杂,迄今尚无定论,因此在临床上也缺乏有效的防治药物。简要综述DNA微阵列技术应用于阿尔茨海默病发病机制、早期诊断及防治药物等方面的研究进展。     

Divide and conquer: subproteomic approaches toward gastric cancer biomarker and drug target discovery

The discovery of biomarkers for early detection and treatment for gastric cancer are two important gaps that proteomics have the potential to fill. Advancements in mass spectrometry, sample preparation and separation strategies are crucial to proteomics-based discoveries and subsequent translations from bench to bedside. A great number of studies exploiting various subproteomic approaches have emerged for higher-resolution analysis (compared with shotgun proteomics) that permit interrogation of different post-translational and subcellular compartmentalized forms of the same proteins as determinants of disease phenotypes. This is a unique and key strength of proteomics over genomics. In this review, the salient features, competitive edges and pitfalls of various subproteomic approaches are discussed. We also highlight valuable insights from several subproteomic studies that have increased our understanding of the molecular etiology of gastric cancer and the findings that led to the discovery of potential biomarkers/drug targets that were otherwise not revealed by conventional shotgun expression proteomics.     

药物重定位的计算分析方法

全新结构药物的研发存在周期长、耗资大、风险高的问题.通过各种技术预测已有药物的新适应症,即药物重定位,可以缩短药物研发时间、降低研发成本和风险.由于疾病种类和已知药物的数量繁多,完全通过实验筛选已知药物的新用途仍然具有很高的成本.随着组学和药物信息学数据的积累,药物重定位进入到了理性设计和实验筛选相结合的阶段,药物重定位的计算预测已经成为计算生物学和系统生物学的重要研究方向.本文将目前药物重定位计算分析的策略归纳为药物-靶标关系分析、药物-药物关系分析和药物-疾病关系分析,对已报道的技术方法及其成功应用实例进行了综述.     

Effective feature selection framework for cluster analysis of microarray data

The microarray technique has become a standard means in simultaneously examining expression of all genes measured in different circumstances. As microarray data are typically characterized by high dimensional features with a small number of samples, feature selection needs to be incorporated to identify a subset of genes that are meaningful for biological interpretation and accountable for the sample variation. In this article, we present a simple, yet effective feature selection framework suitable for two-dimensional microarray data. Our correlation-based, nonparametric approach allows compact representation of class-specific properties with a small number of genes. We evaluated our method using publicly available experimental data and obtained favorable results.     

Differential expression of extracellular matrix proteins in senescent and young human fibroblasts: A comparative proteomics and microarray study

The extracellular matrix (ECM) provides an essential structural framework for cell attachment, proliferation, and differentiation, and undergoes progressive changes during senescence. To investigate changes in protein expression in the extracellular matrix between young and senescent fibroblasts, we compared proteomic data (LTQ-FT) with cDNA microarray results. The peptide counts from the proteomics analysis were used to evaluate the level of ECM protein expression by young cells and senescent cells, and ECM protein expression data were compared with the microarray data. After completing the comparative analysis, we grouped the genes into four categories. Class I included genes with increased expression levels in both analyses, while class IV contained genes with reduced expression in both analyses. Class II and Class III contained genes with an inconsistent expression pattern. Finally, we validated the comparative analysis results by examining the expression level of the specific gene from each category using Western blot analysis and semiquantitative RT-PCR. Our results demonstrate that comparative analysis can be used to identify differentially expressed genes.