蛋白质组学在结核分枝杆菌研究中的应用

蛋白质组学是在基因组学基础上发展起来的新兴学科, 其基本技术包括样品制备、蛋白质分离和蛋白质鉴定分析, 其中的核心技术是双向凝胶电泳技术(2-Dimensional Electrophoresis, 2-DE)和质谱技术(Mass Spectrometry, MS)。近年来, 蛋白质组学技术已应用于结核分枝杆菌的研究领域。应用蛋白质组学技术分离、鉴定、检测结核分枝杆菌致病株的全菌蛋白及分泌蛋白, 分析其蛋白组成, 可深入解析结核分枝杆菌的致病机理和耐药机制。通过对结核分枝杆菌致病株抗原的分析, 为研制预防结核病的新型疫苗拓展了空间。通过对结核分枝杆菌临床分离株的蛋白组成分析还发现了一些有意义的结核病早期诊断标志物。蛋白质组学技术还应用于寻找新的药物靶标, 在研制和筛选新的抗结核药物等方面展示了一些有价值的研究成果, 为更好地开展结核病的预防、早期诊断及治疗打下了基础。     

红树林土壤总DNA不同提取方法比较研究

获得高浓度、大片段、无偏好的土壤微生物总DNA是土壤微生物分子生态学研究和宏基因组文库构建的基础。本研究采用了5种方法从红树林土壤中提取DNA,并对5种方法提取出的DNA的质量和产量进行比较评价。结果表明,5种方法均可从土壤中提取到DNA,但不同方法提取到DNA的产量和质量存在明显差异。Bio101FastPrep?SPINKit(forSoil)抽提到的DNA得率最高,适合分子生态学研究;SDS-GITC-PEG法提取的DNA纯度最高,所得到的DNA片段较大(>48kb),有利于构建宏基因组文库。     

综述: HDL蛋白质组分临床研究新进展

高密度脂蛋白胆固醇(HDL-C)水平与冠心病风险呈负相关,低HDL-C水平增加心血管疾病风险,是心血管疾病的独立危险因素．然而升高HDL-C水平的药物治疗并没有明显的临床获益,没有起到降低心血管疾病风险的预期效果,因此高密度脂蛋白(HDL)功能比HDL-C水平更好地预测心血管事件的发生．HDL是蛋白质含量最高的脂蛋白,由于蛋白质组学技术的进步,越来越多的HDL蛋白质成分被发现,除了传统的载脂蛋白、酶类,还包括脂质转移蛋白、急性期反应蛋白、补体成分、蛋白酶抑制剂,HDL的功能也从脂质转运扩展到感染免疫、急性期反应、补体激活、离子结合等,不仅参与动脉粥样硬化的发生发展,在终末期肾病、糖尿病等高心血管风险疾病中也发挥重要作用．本文就HDL蛋白质成分、功能及在冠心病和高心血管风险疾病中的作用做一综述．     

大鼠、豚鼠和金黄地鼠的尿液蛋白质组比较

生物标志物是指与生理或病理变化相关的可监测的变化。尿液作为机体的一种排泄物,不受稳态机制的调节,可以反映机体的多种变化。动物模型可以模拟人类疾病过程,监测疾病的变化,并为早期诊断提供线索。大鼠作为常用的模型动物并非所有疾病的优势模型动物,因此比较大鼠与其他动物的尿液蛋白质组,从而为其他疾病选择优势模型动物提供线索。文中通过膜上酶切切成肽段再通过液相色谱与串联质谱偶联技术(LC-MS/MS)分析肽段信息,比较大鼠、豚鼠和金黄地鼠的尿液蛋白,结果显示3种鼠的尿蛋白数量不同,在机体不同系统中表达情况不同,参与的生物功能也不同。这为不同疾病选择不同的优势模型动物提供了依据。     

小麦叶片胞间洗脱液的蛋白质组学检测分析

植物叶片胞间液蛋白主要是一些低丰度蛋白,其中某些种类在植物抗病反应中起着重要的作用.通过改进已有的技术方法,结合超滤和丙酮沉淀处理,从500 9抗条锈病近等基因系小麦Taichung29*6/Yr5的叶片中获得了1.5mg可溶性的胞间洗脱液蛋白.SDS-PAGE电泳分析显示,胞间洗脱液蛋白样品和总蛋白样品存在着明显的差异.进一步的双向电泳分析证实,两个样品在胶图上可分别检测到1 241±59(n ＝3)和1 849±138(n ＝3)个蛋白点,其中胞间洗脱液样品有1 042±47(n ＝3)个不同于总蛋白样品的蛋白点,与总蛋白样品共有的蛋白点仅198±13(n ＝3)个.随意取100个差异蛋白点进行MALDI-TOF质谱分析,鉴定到一些已被确证存在于小麦胞间液中的蛋白质,如β-1,3-萄聚糖酶、葡聚糖-β-D-1,3-葡萄糖苷内切酶、几丁质酶、过氧化物酶等.从蛋白质组学角度初步分析了小麦叶片胞间洗脱液的组成,为进一步探索小麦叶片胞间液中低丰度蛋白的抗病功能提供依据.     

贵州湄潭志留纪初期三叶虫动物群及其意义*

志留纪兰多维列世(Llandovery)鲁丹期(Rhuddanian)是奥陶纪末生物大灭绝后的残存期和复苏期。志留纪初期冈瓦纳大陆边缘壳相地层稀少,多数地区为沉积间断或笔石相地层,研究底栖壳相生物残存-复苏期的宏演化普遍缺乏理想材料,而华南上扬子区贵州湄潭地区发育了志留纪早期的壳相地层,即五里坡层(鲁丹阶中部)和牛场组(鲁丹阶上部),为探索这一关键地史时期三叶虫动物群宏演化型式及其背景机制提供了依据。贵州湄潭岩坪剖面和高江剖面的五里坡层和牛场组共发现三叶虫7目11科15属(含亚属)17种(含1新种、3未定种),根据其属级分类单元的时空分布规律,将这些三叶虫识别为5种宏演化类型:即减缩幸存型、扩增幸存型、复活幸存型、新生型和死支漫步型。不同类型的属级分类单元在大灭绝中具有不同的宏演化型式,体现出其应对灾变而采取的不同的生存策略。减缩幸存型和复活幸存型是大灭绝后生态系统复苏和再次辐射的主要源泉,它们的发展在一定程度上影响着整个生态系统的宏演化进程;新生型的出现则标志着大灭绝后环境的实质性改善,三叶虫的全面复苏也随之到来。     

自然增温对南亚热带森林土壤微生物群落与有机碳代谢功能基因的影响

基于海拔高度下降气温上升的关系,将模拟的生态系统(含植物和土壤)从高海拔整体移位至低海拔地区,实现自然增温的效果。通过对自然增温条件下土壤环境因子及其相关理化性质的动态监测,结合磷脂脂肪酸分析与宏基因组学方法,测定土壤微生物群落结构以及与土壤有机碳分解相关基因丰度,探究自然增温对鼎湖山南亚热带山地常绿阔叶林土壤有机碳代谢的影响及其微生物学机制。结果表明:(1)增温处理显著改变了0—10 cm土壤温度与湿度:2016—2018年间土壤温度显著上升2.48℃,湿度显著下降23.93%。(2)增温处理下,干季土壤有机碳含量与湿季土壤硝态氮含量显著降低,其他土壤理化因子无显著变化。(3)增温处理下,干季和湿季土壤微生物群落结构发生改变,且湿季变化显著。土壤湿度是影响干季和湿季土壤微生物群落结构变化的主要因子,解释了干季50.2%的变异度与湿季79.2%的变异度。(4)宏基因组结果表示:增温抑制了干季山地常绿阔叶林土壤有机碳代谢基因丰度,增强了湿季山地常绿阔叶林土壤有机碳代谢基因丰度。以上结果表明,增温通过改变土壤微生物生物量和群落结构以及有机碳代谢相关功能基因的丰度,最终影响南亚热带山地常绿阔...     

利用宏DNA条形码研究浮游动物多样性——以鸭绿江口为例

为评价宏DNA条形码技术在我国海洋生物多样性监测中的应用潜力,采集了22份鸭绿江口浮游动物样品,分别利用宏条形码分子鉴定和形态鉴定方法对优势类群桡足类进行多样性的比较研究。结果显示:(1)利用宏条形码分子鉴定方法共鉴定出4目23科32属229个操作分类单元(Operational Taxonomic Units, OTUs),形态方法共鉴定出3目5科5属6种;同时,利用形态鉴定得到的分类阶元多数(目:100%、科:80%、属:80%)能用宏条形码分子鉴定方法鉴定出来,而宏条形码分子鉴定方法鉴定得到的分类阶元多数(目:25%、科:83%、属:88%)却未能用形态鉴定出来,表明宏条形码分子鉴定方法在鉴定物种丰富度方面具有明显优势。(2)利用宏条形码分子鉴定与形态鉴定桡足类的多样性指数呈显著的一致性(r=0.524,P=0.024),表明宏条形码鉴定方法与形态方法在评价物种多样性方面具有较好的可比性。本研究表明宏条形码分子鉴定方法在我国海洋浮游动物业务化监测中具有较高的应用潜力。     

基于宏基因组分析纳帕海高原湿地微生物及其碳氮代谢多样性

由于地理位置特殊和生态系统类型的复杂多样性,高原湿地在水源供给、温室气体调节、生物多样性保护等方面具有不可忽视的生态作用。纳帕海高原湿地是特殊的低纬度高海拔湿地类型,目前关于其微生物多样性的研究较少。文中基于宏基因组学方法对纳帕海高原湿地微生物的基因组进行测序,在细菌域中鉴定出184个门、3 262个属、24 260个种;在古菌域中检测到13个门、32个属;在真菌域中共有13个门、47个属。土壤和水体的物种多样性具有明显差异：在门水平上,土壤中酸杆菌门、变形菌门和放线菌门为优势菌门,水体则以变形菌门和拟杆菌门为主。通过宏基因组分析获得纳帕海微生物群落的多样性数据,并对高原湿地中固碳途径和氮代谢途径进行了初步分析。研究表明碳、氮代谢基因丰度较高,湿地微生物固碳途径主要以卡尔文循环、还原性三羧酸循环和3-羟基丙酸循环为主,变形菌门、绿弯菌门、泉古菌门为主要固碳菌群;对于氮循环,水中以固氮和异化硝酸盐还原过程为主,土壤则以硝化和反硝化过程为主,变形菌门、硝化螺旋菌门、疣微菌门、放线菌门、奇古菌门和广古菌门的微生物为氮循环的主要贡献者。本研究揭示的纳帕海高原湿地微生物多样性,为湿地环境的综合治理和保护提供了新的知识。     

深度学习方法在生物质谱及蛋白质组学中的应用

深度学习是近年来机器学习领域最热门的研究方向,尤其是在图像及语音识别、自然语言处理、自动驾驶等方面取得了突破性进展．生物质谱是当今生命科学领域重要的研究工具,尤其在蛋白质组学、代谢组学、生物制药等领域发挥着关键作用．近年来,基于深度学习方法的发展,以生物质谱为核心的蛋白质组学大数据分析将迎来发展新契机．本文综述了深度学习方法在生物质谱数据解析及蛋白质组学研究方面的最新应用．