用diaPASEF驱动的化学蛋白质能够进行深度基因组相互作用分析

科学领域:

• 细胞信号传递和分子生物学
• 生物化学和蛋白质组学
• 癌症生物学与药物发现

背景情况:

• 蛋白激酶 (kinome) 通过酸化调节细胞功能,并与人类疾病有关.
• 激酶活动和信号由动态蛋白-蛋白相互作用 (PPI) 网络控制.
• 绘制这些网络对于理解激酶激活和识别药物点至关重要.

研究的目的:

• 引入和验证第二代基诺贝尔竞争和相关性分析 (kiCCA) 进行全面的基诺组PPI映射.
• 将第二代kiCCA应用于神经母细胞瘤模型,以发现酶介导的诺亚胺转换 (NMT) 信号.
• 展示第二代kiCCA在药物发现中优先考虑的实用性.

主要方法:

• 采用了与酶抑制剂可溶性竞争相结合的基因亲和净化.
• 使用数据独立采集与并行积累串行碎片 (diaPASEF) 质谱 (MS).
• 开发了一种重新设计的相关系数分析 (CCA) 算法,用于增强PPI预测.

主要成果:

• 与第一代方法相比,第二代kiCCA在原生细胞提取物中发现了六倍的激酶PPI.
• 这项研究揭示了神经母细胞瘤NMT的基因酶介导信号通路.
• 使用新方法准确预测了调节NMT状态的药理目标.

结论:

• 第二代kiCCA是一种强大且广泛适用的基因组PPI映射工具.
• 这种方法显著推进了细胞信号研究和酶向药物的发现.
• 这些发现提供了关于神经母细胞瘤进展和潜在治疗策略的见解.