当前位置: 首页 > news >正文

【文献速递】split-TurboID如何绘制细胞器“联络图”?

在细胞这个拥挤而有序的微观世界里,蛋白质与蛋白质之间的相互作用,往往决定着生命的运行逻辑。然而,这些“分子密谈”往往转瞬即逝,难以捕捉。近年来,临近标记技术的兴起为我们打开了一扇窗,而其中split-TurboID技术,凭借其“分合自如”的巧妙设计,将时空特异性推向了新高度。

这篇发表于《Nature Protocols》的“Proximity labeling in mammalian cells with TurboID and split-TurboID”深入拆解这项技术,并看它如何用于绘制内质网-线粒体接触位点的关键蛋白图谱。

一、技术原理

经典的TurboID是将一种工程化的生物素连接酶(TurboID)与目标蛋白融合。当加入底物生物素后,该酶能在极短时间内(约10分钟)对周围约10纳米内的蛋白质进行生物素标记,随后通过链霉亲和素富集,即可鉴定出目标蛋白的“邻居们”。

而split-TurboID则更巧妙:它将TurboID酶拆分成两个无活性的片段,分别融合到两个潜在存在互作的目标蛋白上。只有当这两个蛋白在细胞内足够接近、发生相互作用时,两个酶片段才会重新组装成有活性的完整酶,从而启动局部生物素标记。这就像一把只有两个部分合体才能打开的“分子锁”,将标记信号严格限制在蛋白质复合物形成的精确位点,极大降低了背景噪音,实现了对特定互作事件的时空特异性捕获。

图1 split-TurboID的设计原理(Cho et al., 2020)。

二、实验结果

在《Nature Protocols》的这篇指南中,为我们展示了一个经典应用:绘制内质网(ER)与线粒体(Mitochondria)之间接触位点的蛋白质组图谱。细胞器间的接触位点是细胞内部信号传递和物质交换的关键枢纽,但因其结构动态且难以纯化,研究一直充满挑战。

研究人员是如何利用split-TurboID攻克这一难题的呢?

1、精准“派送”侦探:他们将TurboID的N端片段(Tb(N))融合到定位于线粒体外膜(OMM)的蛋白Tom20上;同时,将C端片段(Tb(C))融合到定位于内质网膜(ERM)的蛋白Cb5上(图2b)。

2、创造“接头”条件:当这两个片段被分别表达在细胞内时,它们本身没有活性。只有当内质网和线粒体彼此靠近,形成膜接触位点时,分别锚定在两侧膜上的Tb(N)和Tb(C)才会被拉近。

3、启动“锁定”标记:此时,加入生物素。只有在接触位点成功“接头”的位置,两个片段才能重组为有活性的TurboID酶,对接触位点区域的蛋白质进行局部生物素标记(图2a)。

4、解密“联络名单”:通过链霉亲和素富集被标记的蛋白质,并进行串联质谱标签定量质谱分析,研究人员就能获得一份在ER-线粒体接触位点富集的蛋白质名单(图2c, d)。

图2 split-TurboID分析线粒体与内质网接触区域的蛋白组学变化(Cho et al., 2020)。

除了绘制细胞器接触位点,Split-TurboID还可用于研究特定的蛋白质-蛋白质相互作用、探索信号通路的空间调控,甚至可被改造为受光、药物等条件诱导的“分子开关”。

从揭秘细胞器间的神秘对话,到绘制病原体攻击宿主的蛋白质战场,split-TurboID正以其独特的“分合艺术”,成为生命科学家手中不可或缺的利器,帮助我们在更精细的尺度上,解码生命的运行法则。

参考文献

Cho K F, Branon T C, Udeshi N D, et al. Proximity labeling in mammalian cells with TurboID and split-TurboID[J].Nature protocols, 2020, 15(12): 3971-3999.

http://www.cnnetsun.cn/news/92065.html

相关文章:

  • 基于AI数字人系统源码的低成本开发方案与实践经验
  • SQL 调优全解:从 20 秒到 200 ms 的 6 步实战笔记(附脚本)
  • YOLO目标检测模型如何对接Apipost平台
  • 简单的创建一个Spring Boot网页
  • 鼠标滚轮缩放图片:前端实现高清无损放大技巧(附实战代码)
  • Numpy库实践2_索引和数组的操作
  • 图解 - 红黑树(插入)
  • Memgraph 全新 AI 图工具包:一键构建 GraphRAG 聊天机器人,实现快速上下文感知响应
  • 初始化列表和特殊成员
  • (二)前端基础框架构建
  • vLLM推理引擎教程6-Nsight Systems性能分析
  • 基于MATLAB的燃料电池汽车参数匹配与能量管理策略优化及仿真模型研究资料库
  • AM247L-0000伺服电机
  • DoraemonKit(DoKit)使用教程:从集成到实战
  • 构筑 AI 理论体系:深度学习 100 篇论文解读 第十九篇:序列建模的焦点——注意力机制 Attention Mechanism (2015)
  • 【小白笔记】移除元素与删除有序数组中的重复项与轮转数组(三步反转)
  • 什么是关键字驱动测试?
  • 前沿技术借鉴研讨-2025.12.16(超声心动图综述/妊娠期糖尿病/降低CTG解读主观性)
  • 别让发成绩,耗掉你课后的半小时
  • 企业级 Prompt 管理中心:实验分流 + 曝光埋点 + 可回溯,版本化/AB/DSL/可观测全齐
  • 执行 install.sh 报错 `env: ‘bash\r‘: No such file or directory` 怎么解决?
  • Part 10|我给这套系统划的第一个边界
  • agent-zh.md
  • 为什么过滤 rtmpt 而不是 rtmp?
  • Navicat x 达梦技术指引 | 启用和配置AI助手
  • Transformer的注意力权重的理解
  • 解构 Codigger:从内核到无限生态的“进化阶梯”
  • 基于Python的高考志愿报名推荐系统源码设计与文档
  • 飞桨PaddlePaddle入门与核心实践
  • 使用ZYNQ芯片和LVGL框架实现用户高刷新UI设计系列教程(第四十讲)