细胞结构的多尺度地图融合蛋白质图像和相互作用
Yue Qin1,2, Edward L Huttlin3, Casper F Winsnes4
1Department of Medicine, University of California San Diego, La Jolla, CA, USA.
Nature
|November 25, 2021
概括
这项研究结合了细胞成像和蛋白质相互作用数据, 创建了人类细胞结构的全面地图. 由此产生的MuSIC 1.0地图揭示了新的亚细胞系统和蛋白质功能.
科学领域:
- 细胞生物学
- 蛋白质组学
- 系统生物学
背景情况:
- 细胞在多个尺度上表现出模块化组织.
- 蛋白质成像和相互作用数据通常被单独分析.
- 需要一个统一的方法来绘制细胞架构.
研究的目的:
- 整合多样化的蛋白质组数据集,为人类细胞结构的层次地图.
- 开发基于机器学习的校准,用于整合成像和亲和净化数据.
- 识别和验证新的亚细胞系统和蛋白质功能.
主要方法:
- 人类蛋白质图谱的综合免疫光图像与BioPlex亲和力净化数据.
- 开发了一种机器学习模型,以从成像和相互作用数据中校准蛋白质距离测量.
- 进行了额外的亲和性净化,以验证系统的关联和功能.
主要成果:
- 创建了多尺度集成细胞 (MuSIC 1.0) 地图,解析了69个亚细胞系统.
- 确定了大约35个以前未经记录的亚细胞系统.
- 发现了前核糖体RNA处理组,验证了SRRM1,FAM120C和RPS3A在细胞过程中的作用.
结论:
- 整合多尺度数据可以提高细胞成像的分辨率,并为蛋白质相互作用提供空间背景.
- MuSIC 1.0提供了一个框架,用于将多样化的蛋白质组数据纳入全面的细胞地图.
- 这种方法可以发现新的细胞组件和功能,进步我们对细胞生物学的理解.
更多相关视频
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
7.2K
09:56Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging
Published on: April 30, 2019
6.7K
