相关实验视频
Updated: Jul 23, 2025

14:23
A Yeast 2-Hybrid Screen in Batch to Compare Protein Interactions
Published on: June 6, 2018
13.5K
动态丰富用于评估蛋白质网络 (DEEPN):一个高通量酵母双混合 (Y2H) 协议来评估网络
Ali Zeeshan Fakhar1, Jinbao Liu1, Karolina M Pajerowska-Mukhtar2
1Department of Biology at University of Alabama, Birmingham, AL, USA.
Methods in molecular biology (Clifton, N.J.)
|July 14, 2023
概括
研究人员开发了DEEPN (用于评估蛋白质网络的动态丰富) 以改进蛋白质-蛋白质相互作用 (PPI) 映射. 这种方法使用下一代测序和计算分析来识别单个酵母-两个混合体实验中的多个相互作用.
科学领域:
- 分子生物学分子生物学
- 生物化学 生物化学
- 遗传学 是一个遗传学.
背景情况:
- 蛋白与蛋白相互作用 (PPI) 是细胞过程的基础,形成复杂的网络.
- 传统的方法,如酵母-两个混合 (Y2H) 地图PPI,但可以错过真正的相互作用由于严格性.
- 对PPI的高通量分析对于理解细胞功能至关重要.
研究的目的:
- 引入DEEPN (蛋白质网络评估动态丰富) 作为PPI分析的先进方法.
- 为了使在单个实验中研究多个静态和短暂的蛋白质相互作用.
- 为DEEPN分析提供一个高效和具有成本效益的协议.
主要方法:
- 使用酵母两混合 (Y2H) 系统进行蛋白质相互作用检测.
- 使用下一代DNA测序 (NGS) 进行高通量数据采集.
- 应用计算分析和统计建模来识别交互的合作伙伴.
主要成果:
- DEEPN允许在单个实验中研究多种蛋白质相互作用.
- 该方法提高了检测静态和短暂PPI的能力.
- 定制的试剂和协议促进了高效和成本效益的DEEPN分析.
结论:
- DEEPN提供了一种强大的方法来克服传统Y2H方法的局限性.
- 这种技术显著提升了复杂的蛋白质相互作用网络的高通量映射.
- 描述的协议使DEEPN在生物研究中得到更广泛的采用和应用.

