噬菌体表面展示肽库技术在病毒研究中的应用

噬菌体表面展示肽库技术是近年来发展起来的用丝状噬菌体展示外源肽的一项新技术,被广泛应用于分子识别的各个领域。本文就该技术在病毒受体、病毒抗原表位、病毒抗体以及病毒疫苗和病毒性疾病的诊断等央电荷和一简要概述。     

噬菌体肽库技术

80年代中期,George P.Smith在前人对丝状噬菌体分子生物学研究的基础上首先提出了噬菌体展示技术(Phage Display),其核心就是将蛋白质分子的表型和基因型巧妙地结合于丝状噬菌体这样一个便于对其进行一系列生化和遗传操作的载体上,从而大大简化了蛋白质分子表达库的筛选和鉴定。基于这一优点,噬菌     

噬菌体展示肽文库及其应用

肽库是研究与特定靶分子高亲和结合配体的有力工具,肽文库可被分为合成文库和噬菌体肽文库两类,作者综述了噬菌体肽文库及其蛋白质结构域分析定位,疫苗研制及抗原表位分析和药物设计等方面的应用。     

G蛋白及其在细胞信号转导中的作用

概述G蛋白的结构、种类、转导信息的机制,细菌毒素对G蛋白调节的影响及研究G蛋的意义和今后发展的重点。     

噬菌体展示技术及其在肿瘤研究中的应用

噬菌体表面展示技术是一项特异性多肽或蛋白的筛选技术,它将随机序列的多肽或蛋白片段与噬菌体衣壳蛋白融合表达而呈现于病毒表面,被展示的多肽能保持相对独立的空间结构,使其能够与配体作用而达到模仿性筛选特异性分子表位,从而提供了高通量高效率的筛选系统。近年来噬菌体展示技术已广泛应用于肿瘤抗原抗体库的建立、单克隆抗体制备、多肽筛选、疫苗研制、肿瘤相关抗原筛选和抗原表位研究、药物设计、癌症检测和诊断、基因治疗及细胞信号转导研究等。就近年来噬菌体展示技术在肿瘤相关研究中的运用作以综述。     

噬菌体展示文库及其应用

近十几年来,噬菌体展示技术得到了迅速的发展。通过展示随机肽库可用来筛选与特殊靶分子相结合的配基;模拟非蛋白的配基;也可用作确定抗体表位的工具。展示蛋白;或其功能结构的文库为我们提供了分析结构与功能关系的体系,并能产生具有改变结合位点或新的催化活性的蛋白。展示短的抗原决定簇的融合噬菌体为开发新的疫苗提供了基础,而表达抗体片段的文库则提供了一种产生单克隆抗体的方法。     

噬菌体呈现肽库技术的应用

噬菌体呈现肽库是噬菌体显示技术的一个非常重要的分支。自问世以来,随着分子生物学技术的飞速发展,它已被广泛应用于免疫学、分子生物学、药理学、疫苗学等生命科学领域。简要概述了这一技术的应用。     

噬菌体肽库的构建策略

目的多肽的筛选可通过亲和筛选直接得到富集,并具有繁殖性,目前已广泛应用于多肽药物的开发,蛋白分子结构与功能的研究,疫苗研制等多种领域,特别是对于抗原决定簇的精确定位,蛋白分子之间,蛋白与核酸分子之间相互作用的结合模型和生物活性小配体的获得以及在未知蛋白分子一级结构的情况下直接获取其空间结构方面是一个非常有效的研究工具。     

噬菌体显示技术在短肽库中的应用现状

噬菌体显示技术是近年来出现的一种新技术、它是将外源蛋白通过与丝状噬菌体外壳蛋白融合而将外源蛋白表达于噬菌体颗粒的表达。该技术已经被广泛地应用于噬菌体短肽库的构建。由于该表达的短肽可以与其相应的结合分子相识别而发挥其生物活性,因而,噬菌体短肽库技术在分子间识别机理的研究,蛋白工程的改造以及药物的筛选、疫苗的研制等方面具有广泛应用前景。本综述了近年来噬菌体显示技术在短肽库中的应用进展。     

噬菌体展示技术的发展及应用

噬菌体展示技术是一种用于筛选和改造功能性多肽的生物技术 ,编码多肽的ＤＮＡ片段与噬菌体表面蛋白的编码基因融合后 ,以融合蛋白的形式在噬菌体的表面表达出多肽序列。这是一种表型与基因型的统一。噬菌体展示技术最初是以Ｍ 13噬菌体为载体的 ,其宿主菌为大肠杆菌。以大肠杆菌为宿主的展示系统还有其他 ,如λ噬菌体和Ｔ4噬菌体等展示系统。还有利用真核细胞的病毒以及酵母菌作为展示系统的。这些展示系统各有各的优势 ,但最常用的仍是Ｍ 13噬菌体表达系统。最初的噬菌体展示系统是将外源肽或蛋白质与噬菌体外壳蛋白ＰⅢ或ＰⅧ的Ｎ末端融…     

缺氧信号转导通路的研究进展

人体组织和细胞在环境氧浓度改变的条件下,通过氧感受器和信号转导通路特异地调节某些基因或蛋白的表达来适应低氧.同时在缺氧情况下,缺氧反应导致多种细胞信号通路的激活参与调节呼吸、代谢、细胞生存等.在哺乳动物体内,HIFs是主要的低氧应激转录因子,其α亚基受到多种因素的影响,如PHDs、FIH1、线粒体、CHIP,本文将在常氧和缺氧状态下,对HIF稳定性调节机制及缺氧所介导相关信号转导通路进行综述.     

生物质谱在细胞信号转导研究中的应用

近几年快速发展起来的生物质谱技术 ,依靠 (酶解后肽段 )精确质量数测定和随机肽序列标签分析 ,实现了对蛋白质高通量的鉴定 ,并被成功地用于蛋白质相互作用和蛋白质磷酸化等翻译后修饰研究。与传统的研究手段相比 ,上述技术能够在一次实验中对多信号通路中所有磷酸化的蛋白质分子及其磷酸化位点进行鉴定 ,已成为蛋白质组学最新发展中令人关注的一个热点。简要综述质谱技术应用于上述工作中的 3种策略     

蛋白质组学方法在细胞内信号转导研究中的应用

蛋白质组学的新技术为我们研究细胞内的信号转导过程提供了更广泛和崭新的思路,它克服了传统技术的局限性,实现了对蛋白的高通量分析。简要综述了蛋白质组学技术在信号转导过程中信号分子的确定、定量,磷酸化等翻译后修饰的识别,以及蛋白质之间相互作用研究等方面的应用。     

Use of Peptide Strategy for Study of Molecular Mechanisms of Hormonal Signal Transduction into Cell

At present the peptide strategy is used extensively to study molecular mechanisms of interaction between signal proteins, components of hormonal signal systems. The strategy is based on use of synthetic peptides as probes corresponding to functionally important sites of these proteins. This review summarizes and analyzes literature data and results of our own works on use of the peptide strategy for studying functional coupling of receptors of serpentine and tyrosine kinase types with heterotrimeric G-proteins. Alongside with peptides derived from the primary structure of cytoplasmic loops and transmembrane domains as well as from different sites of G-protein α, β, and γ-subunits, natural and synthetic peptides are considered which have no homology with receptors and G-proteins, but are able to affect effectively interaction between them.     

宿主细胞应答病毒感染的细胞信号转导研究新进展

机体如何识别以及清除入侵的病毒一直是分子免疫学研究的重点.早期的研究揭示,病毒的入侵可诱导表达大量的IFNβ,PKR等抗病毒蛋白分子.这些蛋白质分子通过多种方式造成被侵染细胞表现出特殊的状态或迅速凋亡,从而控制病毒的复制和传播,同时诱导产生大量细胞因子和趋化因子等,启动适应性免疫反应的进程.但是,该领域研究的一个重要瓶颈是对于病毒与宿主细胞相互作用的最早期信号事件了解甚微.近几年的研究工作在先天性免疫系统如何识别早期病毒的入侵方面取得了重大进展.TLR3和RIG-I/MDA5细胞信号转导通路,是最近发现的宿主细胞识别与应答病毒的重要调节机制.它们利用不同的细胞信号转导机制诱导先天性免疫反应,主要参与脊椎动物细胞识别和清除RNA病毒的原发抗感染过程,是机体先天免疫系统的一种重要反应机制,直接影响后续适应性免疫系统的作用.就这些细胞信号转导通路在先天性免疫应答中的研究进展做了概述与展望.     

Redox Control of Signal Transduction,Gene Expression and Cellular Senescence

Reactive oxygen species (ROS) act as subcellular messengers in such complex cellular processes as mitogenic signal transduction, gene expression, regulation of cell proliferation, replicative senescence, and apoptosis. They serve to maintain cellular homeostasis and their production is under strict control. However, the mechanisms whereby ROS act are still obscure. Here we review recent advances in our understanding of signaling mechanisms and recent data about the involvement of ROS in: (i) the regulation of the mitogenic transduction elements, particularly protein kinases and phosphatases; (ii) the regulation of gene expression; and (iii) the induction of replicative senescence and the role, if any, in aging and age-related disorders.     

Stochastic Simulation of Signal Transduction: Impact of the Cellular Architecture on Diffusion

The transduction of signals depends on the translocation of signaling molecules to specific targets. Undirected diffusion processes play a key role in the bridging of spaces between different cellular compartments. The diffusion of the molecules is, in turn, governed by the intracellular architecture. Molecular crowding and the cytoskeleton decrease macroscopic diffusion. This article shows the use of a stochastic simulation method to study the effects of the cytoskeleton structure on the mobility of macromolecules. Brownian dynamics and single particle tracking were used to simulate the diffusion process of individual molecules through a model cytoskeleton. The resulting average effective diffusion is in line with data obtained in the in vitro and in vivo experiments. It shows that the cytoskeleton structure strongly influences the diffusion of macromolecules. The simulation method used also allows the inclusion of reactions in order to model complete signaling pathways in their spatio-temporal dynamics, taking into account the effects of the cellular architecture.     

Reconstruction of Cellular Signal Transduction Networks Using Perturbation Assays and Linear Programming

Perturbation experiments for example using RNA interference (RNAi) offer an attractive way to elucidate gene function in a high throughput fashion. The placement of hit genes in their functional context and the inference of underlying networks from such data, however, are challenging tasks. One of the problems in network inference is the exponential number of possible network topologies for a given number of genes. Here, we introduce a novel mathematical approach to address this question. We formulate network inference as a linear optimization problem, which can be solved efficiently even for large-scale systems. We use simulated data to evaluate our approach, and show improved performance in particular on larger networks over state-of-the art methods. We achieve increased sensitivity and specificity, as well as a significant reduction in computing time. Furthermore, we show superior performance on noisy data. We then apply our approach to study the intracellular signaling of human primary nave CD4⁺ T-cells, as well as ErbB signaling in trastuzumab resistant breast cancer cells. In both cases, our approach recovers known interactions and points to additional relevant processes. In ErbB signaling, our results predict an important role of negative and positive feedback in controlling the cell cycle progression.