蛋白质相互作用(protein interaction)的研究方法

蛋白质相互作用网络的构建和分析蛋白质相互作用（protein-protein interaction, PPI）是生物学研究中的一个重要方向，因为它涉及到了复杂的生物过程中蛋白质之间的相互作用、信号传递、代谢途径、疾病机理等多个层面。

为了研究这些生物过程，如何构建和分析蛋白质相互作用网络是非常关键的。

一、蛋白质相互作用网络的构建蛋白质相互作用网络是指蛋白质之间相互作用关系在网络上的表示形式，其中每个蛋白质被表示为一个节点，蛋白质之间的相互作用边被表示为连接这些节点的线条。

根据所研究的生物体系不同，蛋白质相互作用网络可以包括单个细胞、组织器官、生物种群等范围内的蛋白质相互作用。

构建蛋白质相互作用网络的基本方法是高通量筛选技术，其中最常用的是酵母双杂交技术（yeast two-hybrid, Y2H）。

在Y2H中，把感兴趣的两个蛋白质编码序列分别与两种活化因子（activator）域构建的载体进行重组，形成“诱饵”（bait）和“猎物”（prey），然后将它们合并在一起，如果诱饵和猎物之间存在相互作用，就可以激活活化因子域，从而驱动报告基因（reporter gene）表达。

除了Y2H之外，还有一些其他的高通量筛选技术可以构建蛋白质相互作用网络，如质谱光谱法（mass spectrometry, MS）和蛋白质芯片技术（protein microarray）。

这些技术各自有其优缺点，在应用时需要根据实际情况进行选择。

二、蛋白质相互作用网络的分析构建蛋白质相互作用网络之后，需要对其进行分析，以探究其中蕴含的信息和潜在的功能模块。

下面介绍几种常用的蛋白质相互作用网络分析方法。

1. 网络基本参数分析网络基本参数分析是指对蛋白质相互作用网络的节点数、边数、度分布、聚类系数等基本参数进行分析。

这些参数可以反映网络的规模、复杂度和模块化程度等特征，有助于揭示网络的整体结构和特性。

2. 网络模块识别网络模块是指蛋白质相互作用网络中密集连接的节点集合。

研究蛋白质相互作用的九种方法，写标书用得上寒风凛冽，又到了一年一度写标书的季节，你开始准备了么？在分子机制的研究中，蛋白和蛋白之间的互作研究可以说是非常经典了，研究蛋白互作的方法有很多，今天我们来介绍九种。

1、免疫共沉淀（Co-Immunoprecipitation，CoIP）CoIP其实就是两个蛋白相互的IP（免疫沉淀反应）实验，在已知蛋白B和C之间有相互作用的前提下，这种前提一般需要有一个酵母双杂实验或者Pulldown实验来作为支持。

IP就是用来验证蛋白C和蛋白B之间相互作用的。

如果在Agarose珠上的Protean A/G所结合的抗体，可以结合并拉下蛋白B，那用Western Blot即可检测出蛋白C的表达，反之亦然，通过这种相互间免疫共沉淀的实验，就可以明确地验证出，B与C之间的相互作用了。

比如这份标书：PYK2促进肝癌细胞迁移的一个新的分子机制研究：结合并磷酸化E-cadherin？（百度检索题目可查到全文）2、Pull-down实验这个实验跟免疫共沉淀实验很像，不同的是免疫共沉淀是在细胞里进行的，在众多的蛋白里，拉住A蛋白的同时,把B蛋白也给拉出来了，这还不能证明是直接的结合，很有可能是A 拉住了C，而C拉住了B，这样拉住A蛋白的同时也能把B蛋白也给拉出来。

要证明直接的结合就是Pull-down实验。

提纯所要研究的两个蛋白（一般是在BL21等菌种表达提纯），这两个蛋白带上不同的标签（提纯蛋白一般带GST或者HIIS标签），然后将他们放在同一个体系里，使用GST-beads或者NI-beads,把其中一个蛋白拉下来，用WB检测另一个蛋白的存在。

比如这份标书：恶性肿瘤的发生、发展的细胞表观遗传学机制。

（同样可以百度检索到全文）3、免疫荧光（Immunofluorescence，IF）——共定位将免疫学方法(抗原抗体特异结合)与荧光标记技术结合起来研究特异蛋白抗原在细胞内分布的方法。

由于荧光素所发的荧光可在荧光显微镜下检出，从而可对抗原进行细胞定位。

蛋白质-适配体相互作用预测的方法蛋白质-适配体相互作用（protein-ligand interaction，PLI）预测是药物研发、酶学和生物信息学等领域的重要研究方向。

准确预测PLI的方法对于发现新药物、设计蛋白质工程和预测蛋白质功能等都有重要意义。

本文将介绍常用的PLI预测方法，并对其适用性和局限性进行评估。

1. 分子对接（molecular docking）分子对接是指在计算机模拟系统中，预测蛋白质-配体复合物的稳定几何结构和互作模式的方法。

分子对接具有高效、精度高、可快速预测PLI的优点。

但其也有明显局限性，如无法预测蛋白质和配体的构象变化、局部柔性等导致的复合物的柔性和动态性的影响。

此外，由于诸如溶剂、电荷、热力学影响等原因，该方法容易出现误差。

2. 分子动力学模拟（molecular dynamics simulation，MD）分子动力学模拟是通过对分子的力场进行数值计算，以预测其动力学行为和结构演化。

与分子对接方法不同的是，MD可以对蛋白质-配体复合物中的构象变化、柔性、动态变化等进行准确预测。

但其也有着计算时间长、计算资源等方面上的局限性。

同时，由于受计算负荷所限，目前大多数MD模拟只能模拟比较短的时间范围，难以纳入宏观环境等影响因素。

分子力学和量子力学计算分别用于计算分子内部的能量和分子间的相互作用，然后模拟蛋白质-配体复合物的稳定能量等参数。

该方法的优点是可以更准确的预测PLI的稳定性和结构，但其也需要大量的计算资源和高质量的X光晶体学图像等，所以需要高度专业化的技术人员。

4. 机器学习方法（machine learning，ML）机器学习方法是指利用大量实验数据、算法模型和计算技术，在无需先验知识的情况下，通过学习历史数据及其预测的准确性等指标，从而逐步优化预测模型提高其预测准确性。

得益于其高效、快速的优点，近年来机器学习方法成为预测PLI的热门工具。

该方法目前已经被广泛应用于药物发现、分子设计、疾病诊断等领域。

蛋白质相互作用技术
蛋白质相互作用（Protein-protein interaction, PPI）技术是
指通过实验方法或计算模拟预测等手段，研究蛋白质在细胞内部和外
部相互作用的过程，以揭示蛋白质功能及其参与的复合体的组成成分、结构、拓扑和相互作用机制等方面的信息。

PPI技术通常包括两大类：基于实验的技术和基于计算的技术。

基
于实验的技术主要包括：
1.双杂交技术：利用酵母双杂交或其他物质进行蛋白质相互作用
的检测。

2.共沉淀技术：利用蛋白质之间的亲和吸附或非共价结合特性，
进行蛋白质的共沉淀和筛选。

3.表面等离子体共振（SPR）技术：通过检测蛋白质在银-金表面
上的反射光所引起的曲线变化，来确定蛋白质相互作用的强度和亲和力。

4.分子光子学技术：包括荧光共振能量转移（FRET）和荧光标记
生物分子的单分子技术等，可以用来研究蛋白质相互作用和配体的特征，以及蛋白质复合物的功能。

基于计算的技术主要包括：
1.蛋白质结构预测技术：通过模拟计算或分子动力学模拟等方法，预测蛋白质的三维结构，以及蛋白质之间的相互作用模式。

2.蛋白质相互作用网络构建技术：利用基因芯片或大规模质谱技术等，从细胞内部的相互作用过程中提取大量的蛋白质之间的关系，构建蛋白质相互作用网络图。

3.分子对接技术：利用分子对接算法，对蛋白质复合物的空间排列结构进行分析和预测。

总的来说，蛋白质相互作用技术是生物科学和医学领域研究的重要手段，可以帮助我们深入地了解蛋白质之间的相互关系，从而为相关药物研发和治疗策略的制定提供重要的参考依据。

生物技术通报BIOTECHNOLOGY BULLETIN·技术与方法·2009年第1期收稿日期：2008-08-18基金项目：国家自然科学基金资助项目（30571557）作者简介：陈谋通（1984-），男，硕士研究生，专业方向：微生物学；E -mail ：chen.moutong@ 通讯作者：刘建军，女，研究员，E -mail ：junii8@2003年4月，人类基因组测序的完成标志着一个新的生物学研究时代———后基因组时代（post -genomic era ）的来临。

各种各样的真核生物完整基因组序列的获得，为生物医学研究从“一基因一酶假说”方法变更到在基因组或者泛蛋白质组水平上分析基因或者蛋白质的策略奠定了基础。

全基因组的序列信息并不足以解释及推测细胞的各种生命活动现象，蛋白质才是细胞活性及功能的最终执行者，蛋白质-蛋白质之间的相互作用是蛋白质发挥功能的重要途径。

后基因时代的难题在于通过绘制组成型蛋白质图谱和蛋白质相互作用的动力学研究来测定细胞内蛋白质补体即蛋白质组如何组织成为功能性、高级有序的网络、以及构成细胞的所有组成蛋白有多少，它们复杂的动态相互作用关系如何调节等，这些问题的解决才能最终阐明细胞中各种生命活动的机制。

生物体内各种生命信息由不同的基因经转录、翻译传递到相应的蛋白质上并使其具有各自的生化特性及生物学活性；但每个蛋白质并不是独立的在细胞中完成被赋予的功能，通常与其它蛋白质相蛋白质相互作用的研究方法陈谋通刘建军（深圳市疾病预防控制中心，深圳518020）摘要：随着基因组测序工程数量的增加，未知功能蛋白质测序工作也呈现指数式增长。

生物学进程主要是由蛋白质执行和控制的，因此，阐明未知或已知蛋白质的生物学功能和从细胞水平上确定细胞机制，已成为蛋白质组学研究的主要目标。

目前，随着酵母[1]、果蝇[2]、线虫[3]相互作用图谱的相继完成，蛋白质相互作用研究方法也不断发展和完善。

蛋白质-适配体相互作用预测的方法蛋白质-适配体相互作用（protein-ligand interaction）是指蛋白质与小分子化合物之间的结合。

这种相互作用在生物医学研究和药物发现中起着重要的作用，因为许多药物的作用机制是通过与蛋白质结合来实现的。

预测蛋白质-适配体相互作用对于药物研发和设计具有重要意义。

目前，有许多方法可以用于预测蛋白质-适配体相互作用，下面将介绍其中一些常用的方法。

1. 分子对接（Molecular Docking）分子对接是通过计算机模拟方法预测蛋白质与小分子化合物之间的结合模式和结合能。

这种方法通过搜索可能的结合构象，并根据得分函数评估每个结合构象的优劣，从而找到最可能的结合模式。

分子对接方法有许多种，包括基于基于力场的方法、基于机器学习的方法和基于结构的方法等。

2. 虚拟筛选（Virtual Screening）虚拟筛选是一种高通量计算方法，用于从大量化合物中筛选出有潜力的药物候选物。

虚拟筛选可以分为结构基/基于构象的筛选和基于药物特征的筛选。

结构基/基于构象的筛选利用蛋白质和化合物的结构信息进行筛选，例如通过分子对接预测蛋白质和化合物之间的结合能。

基于药物特征的筛选则是通过计算化合物的物理化学性质和药物特征来评估其活性。

3. 机器学习方法（Machine Learning）机器学习是一种通过从已有数据中学习模式来预测新数据的方法。

在蛋白质-适配体相互作用的预测中，机器学习可以利用已有的蛋白质-适配体结合数据，通过训练模型来预测新的蛋白质-适配体结合关系。

机器学习方法具有高通量和快速的优势，可以在较短的时间内生成预测结果。

4. 综合方法（Integrative approaches）综合方法是将多种方法和数据进行整合，以提高蛋白质-适配体相互作用的预测准确性和可靠性。

综合方法可以结合分子对接方法、机器学习方法和结构生物学方法等，利用多种信息源来预测蛋白质-适配体的相互作用。