文献名:Mass Spectrometry-Compatible Subcellular Fractionation for Proteomics(质谱兼容的蛋白质组学的亚细胞分离)

期刊名:Jpornal of Proteome research

发表时间:(2020年1月)

IF4.173

单位:

  1. 熊本大学
  2. 京都大学
  3. 庆应大学

物种:人的细胞

技术:磷酸化蛋白质组学和蛋白质组学

 

一、 概述:(用精炼的语言描述文章的整体思路及结果)

本研究选取细胞进行免疫印迹法和间接免疫荧光法、NanoLC−MS进行磷酸化蛋白质组学和蛋白质组学研究。我们使用含有乙二醇EG和相转移表面活性剂PTS的RIPA缓冲液开发了蛋白质组学的新型亚细胞分离分离方法,我们首次确定了蛋白质亚细胞定位的调控磷酸化位点的候选对象。

二、 研究背景:(简要介绍研究进展动态、研究目的和意义)

真核细胞包含多个细胞器。为了观察其中的蛋白质定位,已使用RIPA缓冲液连续离心或与密度梯度法结合的超速离心进行亚细胞分离分离。这些传统的亚细胞分离方案分离效率高,但回收率低。此外,由于蛋白质含量低,以及与MS不相容的表面活性剂(例如Triton X-100和十二烷基硫酸钠SDS),很难将这些分离的样品直接用于基于液相色谱-质谱的蛋白质组学。本研究拟研究一种新的RIPA缓冲液开发蛋白质组学的新型亚细胞分离方法可将分离的样品直接用于蛋白质组学的研究。

三、实验设计:

三、 研究成果:(重点图表展示)

 

1、免疫印迹富集模式与通过蛋白质组学方法获得的富集模式高度一致(图3B)LDHA(细胞质标记),钙联蛋白calnexin(细胞器标记)和核纤层蛋白lamin A / C(核标记) 。免疫荧光观察到标记蛋白在HeLa细胞中预期的位置(图3C)。

 

2、开发的方案还可以成功分离其他蛋白,
GO富集分析(图4A)表示相应的GO术语在每个馏分中均高度富集。胞质部分(-log10 P值:23.18),内质网膜(-log10 P值:22.28)和核糖核蛋白复合物(-log10 P值:36.98)在细胞质,细胞器和核级分中分别含量最高。为了进一步验证,我们检查了每个馏分中10种最丰富的蛋白质的亚细胞定位(图4B)。exportin是一种众所周知的核质穿梭蛋白,可转运大分子,如RNA和蛋白质。如预期的那样,exportin-1和-2主要位于细胞质和核级分中(图4C)。这些数据表明,开发的协议适用于蛋白质亚细胞位置的大规模鉴定。

3、在未分离的样品中仅鉴定了基于5493个肽的669种蛋白质(FPR:1.15%),而分离的样品中总共鉴定出基于12 756个肽的1222个蛋白。在分离的样品中,只有13.1%的蛋白质在三个不同的部分中重叠,而通过对未分离的样品进行三次分析,鉴定出了72.3%的蛋白质(图5),表明在每次LC-MS / MS分析中鉴定出许多独特的蛋白质使用亚细胞分离分离。

4、大多数磷酸肽显示与相应蛋白质相似的富集模式。但是,来自32种蛋白质的42个磷酸肽上的59个磷酸化位点显示出明显不同的富集模式(p <0.01,最大富集率差异> 25%)。 在目前的蛋白质组学数据中,94.0%的CD44富含细胞器部分。在细胞器中,来自CD44的磷酸肽(Ser-706)的富集率降至66.1%。相反,该核肽中的磷酸肽的富集率是总CD44的五倍。 这些数据表明,使用开发的方案结合蛋白质组学方法,可以观察到磷酸化的CD44进入核内的转运。

五、文章亮点(结论讨论):

开发了一种蛋白质组学的新型亚细胞分离分离方法,该方法可将分离的样品直接用于蛋白质组学的研究。

阅读人:王茹凯

Mass Spectrometry-Compatible Subcellular Fractionation for Proteomics 质谱兼容的蛋白质组学的亚细胞分离(解读人:王茹凯)的更多相关文章

  1. Fast and accurate bacterial species identification in urine specimens using LC-MS/MS mass spectrometry and machine learning (解读人:闫克强)

    文献名:Fast and accurate bacterial species identification in urine specimens using LC-MS/MS mass spectr ...

  2. MCP|DYM|Quantitative mass spectrometry to interrogate proteomic heterogeneity in metastatic lung adenocarcinoma and validate a novel somatic mutation CDK12-G879V (利用定量质谱探究转移性肺腺瘤的蛋白质组异质性及验证新体细胞突变)

    文献名:Quantitative mass spectrometry to interrogate proteomic heterogeneity in metastatic lung adenoca ...

  3. MCP|LQD|Data-independent acquisition improves quantitative cross-linking mass spectrometry (DIA方法可提升交联质谱定量分析)

    文献名:Data-independent acquisition improves quantitative cross-linking mass spectrometry (DIA方法可提升定量交联 ...

  4. Mol Cell Proteomics. | MARMoSET – Extracting Publication-ready Mass Spectrometry Metadata from RAW Files

    本文是马克思普朗克心肺研究所的三名研究者Marina Kiweler.Mario Looso和Johannes Graumann发表在8月刊的MCP的一篇文章. 由于Omics实验经常涉及数百个数据文 ...

  5. Data-independent acquisition mass spectrometry in metaproteomics of gut microbiota - implementation and computational analysis DIA技术在肠道宏蛋白质组研究中的方法实现和数据分析 (解读人:闫克强)

    文献名:Data-independent acquisition mass spectrometry in metaproteomics of gut microbiota - implementat ...

  6. Journal of Proteome Research | Single-Shot Capillary Zone Electrophoresis−Tandem Mass Spectrometry Produces over 4400 Phosphopeptide Identifications from a 220 ng Sample (分享人:赵伟宁)

    Title: Single-Shot Capillary Zone Electrophoresis−Tandem Mass Spectrometry Produces over 4400 Phosph ...

  7. Development of a High Coverage Pseudotargeted Lipidomics Method Based on Ultra-High Performance Liquid Chromatography−Mass Spectrometry(基于超高效液相色谱-质谱法的高覆盖拟靶向脂质组学方法的开发)

    文献名:Development of a High Coverage Pseudotargeted Lipidomics Method Based on Ultra-High Performance ...

  8. Mol Cell Proteomics. | Prediction of LC-MS/MS properties of peptides from sequence by deep learning (通过深度学习技术根据肽段序列预测其LC-MS/MS谱特征) (解读人:梅占龙)

    通过深度学习技术根据肽段序列预测其LC-MS/MS谱特征 解读人:梅占龙  质谱平台 文献名:Prediction of LC-MS/MS properties of peptides from se ...

  9. Mol Cell Proteomics. | Integration and analysis of CPTAC proteomics data in the context of cancer genomics in the cBioPortal (解读人:徐洪凯)

    文献名:Integration and analysis of CPTAC proteomics data in the context of cancer genomics in the cBioP ...

随机推荐

  1. JAVA 截图+tess4j识别

    我们先来看看要识别的图片和效果图 效果图: 图片识别需要用到tess4j这个包,下面是下载地址: https://share.weiyun.com/5Hjv13T 我们拿到包以后解压出来,随便你放到哪 ...

  2. SVN图标含义说明

    最经都在用Svn,对他上面的很多状态图标不是很理解,看了看它的帮助文档,说的很清楚,特地截张图.    Svn不同状态图标及说明 - 简单 - 简单  Normal  A fresh checked ...

  3. 吴裕雄--天生自然 python数据分析:健康指标聚集分析(健康分析)

    # This Python 3 environment comes with many helpful analytics libraries installed # It is defined by ...

  4. a链接刷新页面与js刷新页面总结

    1.a链接的使用操作: <a href="javascript:history.go(-1);">返回上一页</a> <a href="#t ...

  5. Python---9高级特性

    一.切片 取一个list或tuple的部分元素是非常常见的操作.比如,一个list如下: >>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', ' ...

  6. Python---5Python内置的有序集合-list和tuple

    list Python内置的一种数据类型是列表:list,[ ].可以修改的集合. list是一种有序的集合,可以随时添加和删除其中的元素. 比如,列出班里所有同学的名字,就可以用一个list表示: ...

  7. 自动化移动安全渗透测试框架:Mobile Security Framework

    自动化移动安全渗透测试框架:Mobile Security Framework 译/Sphinx  测试开发社区  7月3日 Mobile Security Framework (移动安全框架) 是一 ...

  8. IDEA系列(九)Intellij IDEA界面介绍 - 哲也的博客

    原文出处:https://github.com/judasn/IntelliJ-IDEA-Tutorial 首次打开 重点说明: IntelliJ IDEA 是没有类似 Eclipse 的工作空间的概 ...

  9. 先搞清楚这些问题,简历上再写你熟悉Java!

    原创声明 本文作者:黄小斜 转载请务必在文章开头注明出处和作者. 系列文章介绍 本文是<五分钟学Java>系列文章的一篇 本系列文章主要围绕Java程序员必须掌握的核心技能,结合我个人三年 ...

  10. JMeter-完成批量的接口测试

    前言 当我们在工作中进行接口测试时,项目的接口肯定不止一个,而是很多很多,而且每个接口都需要进行正确参数,错误参数,参数为空,特殊字符等方式来测试接口是否能够正确返回所需的响应值. 今天,我们来一起学 ...