分享一篇发表在Nature Methods上的文章，文章的题目是“DIP-MS: ultra-deep interaction proteomics for the deconvolution of protein complexes”，通讯作者分别是来自瑞士苏黎世联邦理工的Matthias Gstaiger和Fabian Frommelt，其中Matthias Gstaiger的实验室主要研究细胞信号转导及相关研究工具的开发，Fabian Frommelt是他课题组的成员之一。
蛋白质之间组成复合物对调控催化活性和多种生物学过程非常重要，蛋白复合物的主要研究手段是亲和质谱（AP-MS），但AP-MS存在干扰较多、假阳性过多的问题。另外一种方法将尺寸排阻色谱和非变性PAGE与质谱结合，通过分子量和水合半径的变化来捕捉蛋白复合物。SEC-MS的主要局限性在于SEC自身较差的分辨率和较低的样品上样量，导致其无法鉴定低丰度蛋白复合物，且较难分辨同一蛋白参与的不同蛋白复合物。因此在本文中作者希望开发一种方法，能够结合AP-MS的高灵敏度和native PAGE的高分辨率的优点，从而实现全局性的蛋白复合物鉴定。作者为他们的方法命名为DIP-MS，该方法的主要流程如下。首先使用诱饵蛋白亲和纯化其相互作用蛋白质组，随后通过blue native PAGE（BNP）进行分离。PAGE胶随后被切成约70份宽度仅为1 mm的薄片，进而通过filter辅助的96孔板进行快速的胶内酶切。最后使用短梯度的液相方法结合directed DIA定量每个fraction中的肽段。为了从质谱数据中筛选出诱饵蛋白的相互作用组，作者团队设计了基于深度学习的软件PPIprophet用于数据处理。150万个PPI被用于训练PPIprophet模型，作者进一步设计了打分W score用于区分杂质。在完成方法的建立后，作者团队以PFDN2蛋白为诱饵蛋白，比较了DIP-MS和SEC-MS、AP-MS的相互作用组鉴定效果。结果显示DIP-MS在能覆盖绝大多数SEC-MS和AP-MS数据的同时，还能额外鉴定到187个相互作用蛋白。此外DIP-MS在保证精确度基本不变的情况下，召回率有了大幅提高。同时DIP-MS的MS2质谱强度动态范围也更高，表明其能更好地覆盖低丰度蛋白。最后作者使用了BioPlex和STRING两个数据库与DIP-MS的结果进行了比较，图编辑距离的结果显示DIP-MS得到了与数据库非常接近的相互作用网络，PPI数量方面，由于DIP-MS不依赖于此前的数据，因此相较于BioPlex多鉴定到了约20%的新PPI。接下来作者以前折叠样蛋白（PFDL）复合物中发现的UXT和前折叠蛋白亚基PFDN2为研究对象，深度分析了PFD的相互作用组。作者分别鉴定到6762个PFDN2的PPI和5682个UXT的PPI。在DIP-MS谱图中，PFD和PFDL除了在较低分子量出峰外，各自也都出现了向高分子量的迁移，代表它们形成的超复合物。在其中作者也鉴定到了已知的RUVBL1/2，此外RPAP3和PIH1D1的多聚体组装结构也得到了此前数据的支持。随后作者关注了一个全新的PFDN2相互作用蛋白PDRG1，PDRG1在DIP-MS中出现了3个峰，分别对应位置为PFD、PFDL复合物和PAQosome。结构预测表明允许存在PDRG1参与形成的同源PFD complex（PFDh complex），因此PDRG1很可能可以替代PFDN4参与到PFD complex的六聚体中，从而存在两种高度相似的PFD复合物同工型。此外作者还通过DIP-MS方法鉴定到了PFDL复合物与POLR2E之间的PPI，表明很可能存在POLR2E参与的异源七聚体PFDL复合物。最后作者还关注了PFD的经典客户CCT/TRiC和PAQosome的经典客户，结果DIP-MS都可以成功识别其中的部分蛋白。总之，本文作者开发了一种结合AP-MS与native PAGE的蛋白蛋白相互作用鉴定方法DIP-MS，可以以高灵敏性及高分辨率实现全局性的蛋白复合物鉴定。原文链接：https://www.nature.com/articles/s41592-024-02211-y文章引用：10.1038/s41592-024-02211-y
目前评论：