文献名:Quantitative Proteomics of Enriched Esophageal and Gut Tissues from the Human Blood Fluke Schistosoma mansoni Pinpoints Secreted Proteins for Vaccine Development(从人类血吸虫曼氏血吸虫中富集的食道和肠道组织的定量蛋白质组学确定了用于疫苗开发的分泌蛋白)

期刊名:Journal of Proteome Research

发表时间:(2019年11月)

IF3.78

单位:

  1. 欧罗普雷托联邦大学
  2. 约克大学
  3. 利物浦大学
  4. 圣保罗大学

物种:曼氏血吸虫

技术:无标记定量蛋白质组学和QconCAT绝对定量蛋白质组学

 

一、 概述:(用精炼的语言描述文章的整体思路及结果)

本研究选取曼氏血吸虫的食道和肠道组织、采用LC-MS/MS平台进行无标记定量蛋白质组学研究和QconCAT绝对定量蛋白质组学研究。本研究中,我们开发了一种解剖技术,能够产生食管碎片,用于曼氏血吸虫食道的详细表征。研究结果还揭示了食管区域中复杂的蛋白质组成,并有MEG编码蛋白质抗原变异的证据,这可能对免疫逃逸产生严重影响。总之,此研究为更好地选择消化道候选疫苗进行开发提供了基础。

二、 研究背景:(简要介绍研究进展动态、研究目的和意义)

血吸虫是居住在血液中的蠕虫寄生虫,可导致血吸虫病,这是一种使人衰弱的疾病,导致发炎,在极端情况下,还会损害多种器官。控制传播的主要挑战仍然存在,保护性抗原的发现对于疫苗开发仍然至关重要。猕猴在血吸虫感染后可以自行治愈,产生的抗体会把来自外皮,肠和食道的蛋白质作为目标,但是目前对食道蛋白质的研究是最少的。

本研究开发了一种解剖技术,可以在雄性血吸虫食道和肠的比较蛋白质组学分析中提高敏感性。雄性血吸虫食管的蛋白质组分析确定了由微外显子基因(MEG)编码的13种蛋白质,其中11种独特地位于食道腺中。基于此信息和转录组信息,设计了QconCAT用于绝对定量选择目标。 MEG 12、4.2、4.1和VAL7最丰富,每个细胞跨越245-六百万个拷贝,而天冬氨酰蛋白酶,棕榈酰硫酯酶和半乳糖基转移酶的拷贝数小于100万个。本研究也证实了通过MEG蛋白的可变剪接产生的抗原变异以及食管中蛋白糖基化或分泌蛋白的专用机制。此外,一些胃真皮分泌物在肠道中高度富集,而另一些则更均匀地分布在整个寄生虫中,可能表明溶酶体活性。

总的来说,我们的研究结果在经过验证的保护性免疫模型的背景下,为血吸虫病疫苗候选者提供了更合理,方向更明确的选择。

三、实验设计:

四、研究成果:(重点图表展示)

1、ESO的质谱分析可检测预测的食道腺蛋白和序列变异

如图1所示,ESO和BE组织共有超过90%的蛋白质可以共同检测到,而141和54种蛋白质分别是ESO和BE样品所独有的。ESO和BE组织的比较蛋白质组分析确定了由微外显子基因(MEG)编码的13种蛋白质,11种独特地位于食道腺中。此外,我们研究的第二个蛋白家族是毒液变应原样(VAL)蛋白,因为VAL-7是发现的第二个腺体特异性成分。我们的数据证实,与BE相比,VAL 7和13在ESO组分中高度富集,而两种组织中VAL 11、12和16的强度相似,而BE中的VAL-6含量更高。

 

从蠕虫库中检测到的序列变异包括其他剪接序列,残基取代和缺失。如图2所示,与全长MEG-4.1相比,我们观察到两个氨基酸取代K57E和I213F,并且外显子10(红色区域)编码的氨基酸被删除,外显子8/11的直接连接发生(绿色区域)。第二个例子是关于MEG-4.2蛋白序列,MEG-4.2序列中谷氨酰胺残基(Q67)的缺失也导致了该食管蛋白的另一种可检测的蛋白型肽(以红色突出显示)。

2、QconCAT蛋白质组学可确定腺体分泌蛋白的丰度

我们采用基于QconCAT的定量方法来捕获ESO蛋白质组中九种特定腺体抗原的丰度。因为细胞蛋白质拷贝数(cpc)可以将蛋白质丰度归一化为产生细胞的数量,所以我们使用cpc来表示我们的绝对定量数据。MEG-12、4.2、4.1和VAL-7最丰富,每个细胞跨越245万到六百万个拷贝,而天冬氨酰蛋白酶,棕榈酰硫酯酶和半乳糖基转移酶的拷贝数小于100万个。此外,我们在QconCAT分析中考虑了有关MEG-4家族成员亚型的存在。 因为EsoCAT中包含的MEG-4.1的两种蛋白型肽允许定量特定亚型的子集。所以,在第213位上含有异亮氨酸而不是苯丙氨酸残基的MEG-4.1变体占使用已知替代序列保守的第二种肽QINDGTSDKPK检测到的所有拷贝的71%(图3; MEG-4.1实线和虚线)。

图4(A)监测到的FHIVFFCGENYEQQLQQPK肽的跃迁提取离子色谱图表明,MEG-12(Smp_152630.2)同工型低于检测限。 相反,在ENYEQQLQQPK内标浓度相同的情况下,检测到源自MEG-12(Smp_152630.1)亚型的内源性分析物。

3、GO分析表明蠕虫食道具有独特的分子功能

我们使用无标记的相对定量进行了ESO与BE的比较分析。Orbitrap
Fusion和Q
Exactive HF两组数据,分别表明了442和396种差异蛋白质(图5)。最终在这两个平台上总共发现了669个差异蛋白质。

差异蛋白的STRING功能分析表明,富含甘油磷脂和鞘脂代谢的食管蛋白簇以及差异丰富的蛋白中的溶酶体卵磷脂:胆固醇酰基转移酶富集(图6,右)。另一方面,半胱氨酸/木瓜蛋白酶样肽酶金属蛋白酶和C1A肽酶的过量表达表明BE中的蛋白酶显着富集(图6;左)。

接下来,通过GO分析直接比较了在雄虫ESO中富集的359种蛋白质与BE中富集的330种蛋白质。与BE相比,ESO中GO功能富集较多。在ESO和BE的差异丰富蛋白质的直接比较中,与食管中的生物能量学(氧化磷酸化),生物合成过程(蛋白质生物合成和糖基化)和囊泡介导的转运相关的功能过度表达(FDR≤0.05)(图7)。

仔细研究25种定量的糖基转移酶的总数,发现食管区域的丰度更高,中位数为1.8倍。值得注意的是,ESO样品中富集了18种差异丰富的糖基转移酶中的16种(图8)。这些中的七个是多环醇脂质连接的内质网转移酶。总之,这些发现表明在食管腺体中产生特殊聚糖的独特机制。

在ESO中差异丰富的蛋白质的STRING分析还揭示了一个连接蛋白质生物合成,糖基化和分泌途径的网络(图9(A))。该图突出显示了在ESO中差异丰富的蛋白质之间的蛋白质生物合成,糖基化和分泌途径(彩色圆圈)的聚类。空白圆圈主要与生物能学和小分子代谢有关。这些差异蛋白中,包含参与各种囊泡运输过程的蛋白质,同时,富集的信号识别颗粒和信号肽酶强调了经典的分泌途径在食道中起作用。另外,许多与SEC易位通道相关的差异丰富的蛋白质,COPII和COPI囊泡衣的Coatomer亚基,转运子相关蛋白和ARF GTPases为内质网/高尔基分泌小泡的形成提供证据。总的来说,所有这些蛋白质的丰度都向寄生虫食道倾斜了2倍(图9(B))。

4、通过比较分析确定胃表皮分泌物

我们的ESO vs BE无标签定量结果提供了与食管和下胃真皮范围内的消化过程相关的蛋白质表达模式。图10展示了ESO和BE样品中推测的肠道分泌物的差异丰度。该图显示了胃表皮标记朝向血吸虫后端(左侧)的偏向表达。有趣的是,迄今为止归因于胃真皮的一组蛋白质在ESO和BE样品之间(阴影区域)显示出均匀的分布。

五、文章亮点(结论讨论):

1. 在这项研究中,我们开发了一种解剖技术,能够产生食管碎片,用于曼氏血吸虫食管的详细表征。我们的研究结果揭示了食管区域复杂的蛋白质组成,并有MEG编码蛋白质的抗原变异的证据,这可能对免疫逃逸产生严重影响。

2. 食管与后端的解剖关系提供了丰富的两个身体片段中不同的生物过程的概述,以及更新了血液消化和营养获取后期步骤中涉及的蛋白质组成。

阅读人:张聪敏

Quantitative Proteomics of Enriched Esophageal and Gut Tissues from the Human Blood Fluke Schistosoma mansoni Pinpoints Secreted Proteins for Vaccine Development (解读人:张聪敏)的更多相关文章

  1. Alterations of brain quantitative proteomics profiling revealed the molecular mechanisms of diosgenin against cerebral ischemia reperfusion effects(大脑的定量蛋白质组学揭示了薯蓣皂苷元对脑缺血再灌注效应的分子机制)

    文献名:Alterations of brain quantitative proteomics profiling revealed the molecular mechanisms of dios ...

  2. Mol Cell Proteomics. | Identification of salivary biomarkers for oral cancer detection with untargeted and targeted quantitative proteomics approaches (解读人:卜繁宇)

    文献名:Identification of salivary biomarkers for oral cancer detection with untargeted and targeted qua ...

  3. Journal of Proteome Research | An automated ‘cells-to-peptides’ sample preparation workflow for high-throughput, quantitative proteomic assays of microbes (解读人:陈浩)

    文献名:An automated ‘cells-to-peptides’ sample preparation workflow for high-throughput, quantitative p ...

  4. 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 ...

  5. Quantitative proteomics of Uukuniemi virus-host cell interactions reveals GBF1 as proviral host factor for phleboviruses(乌库涅米病毒-宿主细胞互作的定量蛋白质组学揭示了GBF1是个白蛉病毒的前病毒宿主因子)-解读人:谭亦凡

    期刊名:Molecular & Cellular Proteomics 发表时间:(2019年12月) IF:4.828 单位:1德国海德堡大学附属医院2德国汉诺威医科大学3德国亥姆霍茲感染研 ...

  6. Journal of Proteome Research | Quantitative Subcellular Proteomics of the Orbitofrontal Cortex of Schizophrenia Patients (精神分裂症病人眶额叶皮层亚细胞结构的定量蛋白质组学研究)(解读人:王聚)

    期刊名:Journal of Proteome Research 发表时间:(2019年10月) IF:3.78 单位: 里约热内卢联邦大学 坎皮纳斯州立大学 坎皮纳斯州立大学神经生物学中心 卡拉博大 ...

  7. Sample Preparation by Easy Extraction and Digestion (SPEED) - A Universal, Rapid, and Detergent-free Protocol for Proteomics based on Acid Extraction(一种使用强酸的蛋白质提取方法SPEED,普适,快速,无需去垢剂)-解读人:李思奇

    期刊名:Mol Cell Proteomics 发表时间:(2019年12月) IF:4.828 单位:德国Robert Koch 研究所 物种:多种 技术:新蛋白提取和酶解方法 一. 概述: 本文设 ...

  8. 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 ...

  9. 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)

    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:Jpor ...

随机推荐

  1. 上传第三方jar包到nexus

    1.创建一个新的repository存放第三方jar包(3rd_party) 2.执行以下命令进行上传:切记需要上传的本地jar包路径不能在本地仓库下,可以随便放一个位置.(以下标红的,请根据自己情况 ...

  2. Ionic3学习笔记(八)使iOS端、Android端 Navbar 透明化

    本文为原创文章,转载请标明出处 若要使iOS端 Navbar 透明,只需要给 ion-navbar 添加 transparent 属性,但是Android端依旧会有一条border在,所以再给 ion ...

  3. Python实现线程交替打印字符串

    import threading con = threading.Condition() word = u"12345上山打老虎" def work(): global word ...

  4. Catalan数应用问题

  5. Android studio常用快捷键与设置

    1.格式化代码: 命令 快捷键 将代码合并成一行 Ctrl + Shift + J 格式化 Ctrl+Alt+L 2.API函数参数提示:双击选中所要提示的函数,再按F2即可显示函数的使用方法. 3. ...

  6. 你每天跑这么多自动化用例,能发现BUG吗?

    阿里QA导读:为什么要度量测试有效性?这么多的CASE,花了大量时间和资源去运行,真能发现bug吗?CI做到90%的行覆盖率了,能发现问题吗?测试用例越来越多,删一些,会不会就发现不了问题了?怎么找出 ...

  7. 基于webhook方案的Git自动部署方案

    之前已经用Git实现了自己博客的提交自动部署,并自动提交到GitHub和coding以备不时之需.平时项目代码都托管在Coding或者GitHub上,也已经用上了coding提供的webhook功能, ...

  8. 从谷歌到脸书:为何巨头纷纷“钟情于”VR相机?

    VR的火爆,自然无需多言.而基于VR这一个概念,已经在多个相关行业不断衍生出新的产品.服务或内容.VR眼镜.VR头盔.VR相机.VR游戏.VR影视.VR应用--但VR产业的发展并不是齐头并进,而是出现 ...

  9. 手把手教你用 FastDFS 构建分布式文件管理系统

    说起分布式文件管理系统,大家可能很容易想到 HDFS.GFS 等系统,前者是 Hadoop 的一部分,后者则是 Google 提供的分布式文件管理系统.除了这些之外,国内淘宝和腾讯也有自己的分布式文件 ...

  10. 量化投资学习笔记31——《Python机器学习应用》课程笔记05

    用分类算法进行上证指数涨跌预测. 根据今天以前的150个交易日的数据,预测今日股市涨跌. 交叉验证的思想:将数据集D划分为k个大小相似的互斥子集,每个子集都尽可能保持数据分布的一致性,即从D中通过分层 ...