一个经过修订的卵巢癌生物标志物CA125 (MUC16) 的分子模型,通过长时间读取的测序来实现

科学领域:

• 生物化学 生化学
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• CA125生物标志物对于监测高度血清性卵巢癌治疗反应至关重要.
• 在MUC16蛋白中,CA125的精确分子结构和表观仍然不清楚.
• 之前的估计表明MUC16有63次并列重复,但这需要重新评估.

研究的目的:

• 为了准确地测序和建模MUC16蛋白质的双重重复.
• 为了解决MUC16串联重复的估计数量的差异.
• 提供一个基本的数据集,以详细描述CA125表征.

主要方法:

• 来自卵巢瘤和细胞系的MUC16转录的纳米孔长读测序.
• 蛋白质组学验证以确认MUC16.的共识序列.
• 深度学习 (AlphaFold) 用于预测MUC16串联重复域的结构.

主要成果:

• 一个经过修订的MUC16模型,有19次并列重复,与之前估计的63次重复相矛盾.
• 在19个并行重复中的每一个中确定一个SEA域和非结构化的链接区域.
• 通过蛋白质组学确认共识序列,并与更新的NCBI数据库条目达成一致.

结论:

• MUC16蛋白含有19个串联重复,而不是63个,显著改进了我们对其结构的理解.
• 预测的结构揭示了MUC16串联重复中的保存域和区域.
• 这些发现为详细的CA125表位特征和改进卵巢癌诊断的开发奠定了基础.