<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"	xmlns:content="http://purl.org/rss/1.0/modules/content/"	xmlns:atom="http://www.w3.org/2005/Atom"><channel>  <title>研究论文 源资科技官网</title>  <atom:link href="http://www.tri-ibiotech.com.cn/index.php?f=rss&amp;a=get_rss&amp;r=49&amp;i=0" rel="self" type="application/rss+xml" />  <link>http://www.tri-ibiotech.com.cn/thesis/</link>  <description><![CDATA[源资信息科技(上海)有限公司，专业提供国外顶尖生物化学制药软件的研发、销售、培训。包括系统生物学软件Genego、药物设计分子模拟软件Tripos(SYBYL-X)、量子化学软件Gaussian、药代药动学Pharsight(WinNonlin)、毒性测试ADME/Tox/Box、新药先导、新药化合等软件。源资科技官网既本公司对外交流和发布产品信息的综合性权威平台。]]></description>  <generator>http://shenhoulong.com/?v=4.0</generator>  <language>zh-cn</language>  <xhtml:meta xmlns:xhtml="http://www.w3.org/1999/xhtml" name="robots" content="noindex" /><item>	<title>化学基因组学是药物发现的“大篷车”吗？</title>	<link>http://www.tri-ibiotech.com.cn/thesis/n246.html</link>	<description><![CDATA[化学基因组学是药物发现的“大篷车”吗？



作者:文建平


 化学基因组学技术是一种用来开发靶位结构相似的药物的研究方法，它是一种非线性平行技术，可以在测定药物靶位功能的同时，对相对应的小分子先导药物进行识别。


药物发现的新途径

 随着对人基因组的解析，遗传学已进入到它自己作为药物发现工具的阶段。但遗传学家也开始认识到化学家能为他们的事业作出贡献。通过将遗传学与化学结合，不少研究组已经设计出专属和可逆的化学“转换”，以研究基因的作用，这是迄今可以避开功能分析的途径。因此，美国国立卫生研究院(NIH)已为6个研究组拨款6千多万美元，以推动这项在化学和生物学界面的研究。重组DNA技术已将药物发现的方法转为大规模体外筛选，制药公司从它们的化合物库寻找能与重要蛋白质结合的那些化合物。现在，化学基因学的重点是将小分子引入到细胞内，以寻求活性改变。 
 2004年6月，阿斯利康公司（AstraZeneca）选择并使用Iconix的参考数据库和可预测生物标志，为一种特效AstraZeneca癌症药物开发计划提供化学基因组学的描绘与分析服务。 
 按照协议，阿斯利康公司将利用Iconix的化学基因组平台促进其对该特殊药物项目中所发现的毒性机制的解释。阿斯利康公司还在试图识别一种可在短期研究中用于反过滤(counterscreens)的基因生物标志。这些生物标志将被设计用于预测各种毒素的发作，并促进后继混合药物的开发以及临床试验中的药物反应监视。
 Iconix将使用其制药行业内最大的预测性生物标志集&mdash;&mdash;DrugSignatures(TM)数据库中的药物病理学及机制的生物标志，以便为阿斯利康公司描绘其混合药物。Iconix经由其大规模化学基因组参考数据库及信息学系统&mdash;&mdash;DrugMatrix(R)平台，得到DrugSignatures数据库。 
 Iconix首席执行官JimNeal表示：“我们特别高兴能与阿斯利康公司合作，因为该工作集中在能够带来巨大利益的化学基因组技术的两个领域：预测性毒物学以及对于毒物学机制的解释。减少探测潜在毒性的耗时以及对毒性作出解释，能够大幅度降低临床医药开发成本。

何为化学基因组学？

 化学基因组学，在后基因组时代的最新一波中坚固地建立起来，现在正在体验一种身份危机，像更多的个人和组织采用化学基因组学，作为许多研究和发明的一种工具，这个领域类似于谚语“大篷车”，在“大篷车”中所有发明工具都受到欢迎。
 传统的化学基因组学，由哈佛大学的StuartSchreiber教授普及推广，由单个的化合物对一个基因或蛋白系统进行试验来阐明生物学机制。他的小组合成某些小分子，使之与蛋白质结合，并改变蛋白质的功能，例如使某些蛋白酶的功能关闭。这种原创的主意很快孵化出许多方法，全部都声称化学基因组学，或甚至叫“化学遗传学”，作为他们的科学基础。结果，化学基因组学沦为一种垃圾箱类的技术，这种技术通过研究蛋白质、基因、组织或器官与小的有机分子的作用来解释生物学。
 一种方法是用小分子随机地使基因突变，以寻找感兴趣的表型、鉴定相关基因及逆转工程师的路径从而到达目标，最后获得候选药物。“更多的集中在方法”，圣地亚哥AnadysPharmaceuticalsInc的首席执行官KleanthisXanthopoulos博士说，使用类似药品的化学试剂或已知的药物的复合物去探测复杂的、以前不知道的基因组靶标和路径。
 在表面水平，化学基因组学与通过反义RNA的基因干扰相类似，RNA干扰(RNAi)，或化学诱变，除了小分子诱导的相互作用倾向于与宣布的不同，而且靶标更可能是蛋白质而不是DNA或RNA。 
 另一种观点，化学基因组学利用有机化学空间寻求核对已经被认知的与疾病相关的2000-3000靶标，Anadys公司的战略包括采集他们能够提供的化学多样性，把筛选作为界面来识别在那里能找到化合物。“一旦这种情况发生，我们使用传统的药物化学与生物学反复的相互作用的路径结合来做，”Xanthopoulos博士说。 
 Anadys公司把80%的努力放在抗病毒和抗生素残留上。公司宣称其抗肝炎C和肝炎B药物中的两个证明了化学基因组学的概念。其他病毒靶标及抗菌药物的项目尚处于早期临床试验或临床前阶段。

名词中有什么？

 名词化学基因组学和化学遗传学在使用上可互换，大太准确，百时美施贵宝的KevinFitzgerald博士的意见是：“严格地说，化学基因组学应该是提交多大的小分子来影响基因的表达，而在化学遗传学中，你去除一个基因或使一个基因过分表达，然后调查对化合物活性的影响”。此外，Fitzgerald认为，通过小分子探测蛋白的功能可能是一种较好的命名化学蛋白质组的方法。“全球性的术语&lsquo;化学基因组学&rsquo;在那些经常使用的背景下几乎是无意义的”，他说。
 一些领衔的研究人员，如Xanthopoulos，一点也不了解术语“化学基因组学”。“我是训练出来的基因组学家，化学基因组学是一个松弛的术语。我可以给你五种不同的有关药物发现的方法，而且他们在化学基因组学的标题下都倒下了”。 
 关于化学基因组学的分子靶标也有一些混淆，一些作者说的是基因，一些说蛋白质。“不管他们怎么称呼它，按Schreiber的看法，化学基因组学表示化学物质对蛋白质的影响”，IconixPharmaceuticalsInc技术部的副总裁KurtJarnagin博士说。 
 Iconix公司集中研究化合物在老鼠肝细胞中蛋白质转录的影响。研究和分类这些系统，Iconix创造了DrugMatrix，一种数据库和相关的服务，它按照药理学和毒理学在药物类似的化合物和靶标之间制造障碍或优先其次序，使其远离或接近靶标。DrugMatrix化学基因组学数据库使用600种化合物（几乎400种FDA批准的药物、60种欧洲和日本批准的药物及25种过期药物及100种麻醉剂）。化合物分子使用多种剂量，时间点和生物学复制的结果在7种老鼠组织中被描述出来。整个来说，数据库描述了多于3200单个的药物剂量。 
 将新的结构与这些小但有代表性和高特异性化合物标本相比较，DrugMatrix帮助科学家预测一种新的结构性质，或按照Jarnagin的说法：“利益和债务”，协助导致基于基因组、生物学和化学挡案资料的最佳化选择。
 “我们认为基因表达分析缺少的就是药物和类药物分子作用的背景，”Jarnagin说，“因此，我们在15，000微阵列实验的基础上建立了与上面有关的数据库”，使用者可以取得后选分子、把他们的挡案资料与数据库中个别的相比较来预测药理学和毒物学，允许更直接、简单的使用基因表达挡案资料。 
 Iconix通过各种一次一付的安排给药物发现组织提供contextual数据库。一种方式是通过依靠数据库分析化合物或剂量组织及提供潜在的毒物学，药理学副作用及一般药理学的数据。“因为这个报告是在大量上下文参考资料组合的基础上得出的，与在单个化合物做的研究相比，它具有相当大的解析度和权威性”。Jarnagin说，Iconix也在特殊的器官/组织和靶标群中建立专利药的数据库，或许有公司愿意购买完整的数据库并维护它。

探测靶标群 

 不像Iconix，它深深地、用尽心机地表现600种小心选择的化合物的特征，加州南旧金山的ExelixisInc公司，筛选了一个针对一个相对狭小范围的激酶的300万以上化合物信息库。这个策略看来深入到一个靶标群，产生巨大的资料组。而当针对不同的靶标类型筛选数百万种化合物时，能提供得不到的信息。
 然而，数据本身从来没有尽头。“我们的目标不是创造一个巨大的数据库及出价销售，而是发展最好的化合物来推进数据库”，首席科学官GregoryPlowman,MD博士说。 
 对Plowman来说，化学基因组学对靶标群特别有效，例如GPCRs、NHRs,ABC运载体、ATP酶,当然还有激酶。“你可以从一个到另一个分析学到许多，这是我们在我们的发现和研制项目中起杠杆作用的某些东西”。
 “另外一个处于三期临床研究的适应症针对肿瘤的药物，药物正在等待批准。Exelixis的管线包括三种激酶试剂、刚好做完一期临床的及潜在的五个以上的在一年或一年以后进入临床的药物”。Plowman使用属于“光谱选择激酶抑制剂”，既然这些分子对血管和上皮特异性的激酶两者有结合活力，“你应该思考一下像Herceptin或Erbitux在上皮细胞方面及Avastin在血管系统的作用，但是组合成为一个分子”。 
 在用靶标群方法的管线中，Exelixis已经计划转移到其他靶标群，特别是GPCRs、癌症和代谢疾病的核受体。

药物靶标

 以传统筛选方法为基础的药物发现依靠严格的靶标鉴定，化学基因组学更关心为药物找到的靶标而不是为靶标而找到的药物。“它本末倒置了”，加州蒙罗维尔XencorInc公司的生物治疗药物主管DavidSzymkowsk博士说。 
 尽管他在罗氏过去的节简及他的Xencor试验，Szymkowski已经变成一个化学基因组学的专家，并且在这个学科取得不少成果。他相信开展对现存药物特别是一些机制还不知道或了解很少的上百种已在市场上销售的药物的化学基因组研究，这些药物是新化合物的宝贵资源，并且可能显著缩短治疗药物产生的时间。 
 他举了COX-2抑制剂作为例证。在发现垂柳树皮止痛剂和阿斯匹林之间花了上千年的时间，“在我们知道甲基水杨酸作用之前，另外几百年过去了，然后在1980年，COX-1和COX-2路径的发现导致选择性COX-2抑制剂的发明”，他争论说，使用适当的化学基因组工具，整个过程可能会压缩到十年或更短。 
 另一类基因组候选物，Szymkowski说，包括“跌落的天使”，他们是在人类、动物或临床前研究中失败的化合物。“化学基因组学能够鉴定毒物学靶标，这些靶标在产生安全类似物或新化学药品方法方面有帮助。”

看似传统发现

 从哲学上看，化学基因组学从药物发现方法中已建立的思路受益非浅。德国海德堡GraffinityPharmaceuticalsAG（宣称自己为“化学基因组公司”）在早期阶段通过小分子在蛋白质靶标如Cetek的行动中，把化学基因组学和生物学结合一起。Graffinity的方法类似于传统的多化合物、单靶标药物发现。 
 研究者通过表面细胞质基因组共鸣检测结合蛋白的相互作用，这种共鸣是一种易感的但“较少分析”的技术，这种技术不需要较早的蛋白质知识或复合靶标的相互作用。 
 Graffinity的化合物库已经导致两个临床前后选药物的产生，即治疗II型糖尿病的DPP-4和一个口服凝血酶抑制剂。公司也已与Serono、礼来、基因泰克和诺华制药进行药物发现关系的合作，并已经和辉瑞有合作。
 在匆忙中对化学基因组学进行分类和过于细分，容易忘记它分享了多少其他发现方法。“在采样数和化学基因组学之间的相似性引起我们很大的兴趣”，英国加地夫通用医疗保健产品部门副总裁JohnAnson博士说。
 通用医疗保健的前身AmershamBiosciences公司，发明了许多同种的分析方法，这些方法使今天的自动、高通量发现工具成为可能。通用医疗保健继续提供测定和使用的仪器，他们服务化学基因组学也服务更多确定的市场。例如，公司用于高通量亚细胞微阵列工作也是为化学基因组研究的细胞分析器。他的导联选择器仪器，使用闪烁、荧光和发光，每天在实验中筛选多于140万化合物，而不需要亚细胞解决方法。 
 Anson也说化学基因组学比药物发现大的多，“药学研究者只对蛋白质靶标小的亚型及他们与上百万有机分子的相互作用感兴趣”，他注意到，“学术上有相当宽的远景，因为他们的目标是对生物学过程最基本的了解”，现在，他把化学基因组更多的看作一种研究工具，而不是药物发现平台，一种与美国国立卫生研究院化学基因组中心主任ChristopherAustin博士相一致的观点。 

然而我们在那？

 然而，一种术语在化学和生物之间的相互影响，显然两个学科一起使用时对药物发现特别是在现代分子生物学工具如反义RNA和微阵列技术有很大的帮助。 
 “今天你可以问许多更复杂的有关化合物和活性的问题，而五年前是不可能的”。BMS的Fitzgerald说，他相信用早期发现的小分子研究基因和蛋白质，最后将获得安全、更有效的药物，但是在什么时候呢？ 
 “药物发现需要12到15年的时间刻度”，他说，“因此新的高通量技术现在只是在填充管线。化学基因组学的影响更快，并且将影响我们开发新化合物的方法，事实上，我们推向市场药物的每一个都从这种方法获益匪浅”。

回到自然

 尽管药物的开发者在分子方面没有损失，“回到自然”的诱惑和有机体的化学多样性相当强烈，但像大自然资源一样丰富的化学分子可能在类似的药物或可能的药物分子中，这些丰富的化学分子不利于分类，从含有成百上千种化合物中分离和试验单个的分子不切实际。
]]></description>	<content:encoded><![CDATA[<p class="p0" style="margin-top: 0pt; margin-bottom: 0pt; text-align: center"><span style="font-weight: bold; font-size: 13.5pt; color: rgb(255,0,0); font-family: '宋体'; mso-spacerun: 'yes'">化学基因组学是药物发现的&ldquo;大篷车&rdquo;吗？</span><span style="font-weight: bold; font-size: 13.5pt; color: rgb(255,0,0); font-family: '宋体'; mso-spacerun: 'yes'"><o:p></o:p></span></p>
<p class="p0" style="margin-top: 0pt; margin-bottom: 0pt; text-align: center"><span style="font-weight: bold; font-size: 13.5pt; color: rgb(255,0,0); font-family: '宋体'; mso-spacerun: 'yes'"><o:p></o:p></span></p>
<p class="p0" style="margin-top: 0pt; margin-bottom: 0pt; text-align: center">&nbsp;</p>
<p class="p0" style="margin-top: 0pt; margin-bottom: 0pt; text-align: center">&nbsp;</p>
<p class="p0" style="margin-top: 0pt; margin-bottom: 0pt; text-align: center"><span style="font-size: 9pt; font-family: '宋体'; mso-spacerun: 'yes'">作者<font face="Times New Roman">:</font><font face="宋体">文建平</font></span><span style="font-size: 9pt; font-family: '宋体'; mso-spacerun: 'yes'"><o:p></o:p></span></p>
<p><!--EndFragment--><br />
<br />
&nbsp;&nbsp;&nbsp; 化学基因组学技术是一种用来开发靶位结构相似的药物的研究方法，它是一种非线性平行技术，可以在测定药物靶位功能的同时，对相对应的小分子先导药物进行识别。&nbsp;<br />
&nbsp;</p>
<h3><br />
药物发现的新途径&nbsp;&nbsp;</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 随着对人基因组的解析，遗传学已进入到它自己作为药物发现工具的阶段。但遗传学家也开始认识到化学家能为他们的事业作出贡献。通过将遗传学与化学结合，不少研究组已经设计出专属和可逆的化学&ldquo;转换&rdquo;，以研究基因的作用，这是迄今可以避开功能分析的途径。因此，美国国立卫生研究院(NIH)已为6个研究组拨款6千多万美元，以推动这项在化学和生物学界面的研究。重组DNA技术已将药物发现的方法转为大规模体外筛选，制药公司从它们的化合物库寻找能与重要蛋白质结合的那些化合物。现在，化学基因学的重点是将小分子引入到细胞内，以寻求活性改变。 <br />
&nbsp;&nbsp;&nbsp; 2004年6月，阿斯利康公司（AstraZeneca）选择并使用Iconix的参考数据库和可预测生物标志，为一种特效&nbsp;&nbsp;AstraZeneca&nbsp;&nbsp;癌症药物开发计划提供化学基因组学的描绘与分析服务。 <br />
&nbsp;&nbsp;&nbsp; 按照协议，阿斯利康公司将利用Iconix的化学基因组平台促进其对该特殊药物项目中所发现的毒性机制的解释。阿斯利康公司还在试图识别一种可在短期研究中用于反过滤(counterscreens)的基因生物标志。这些生物标志将被设计用于预测各种毒素的发作，并促进后继混合药物的开发以及临床试验中的药物反应监视。&nbsp;&nbsp;&nbsp;&nbsp;<br />
&nbsp;&nbsp;&nbsp; Iconix将使用其制药行业内最大的预测性生物标志集&mdash;&mdash;Drug&nbsp;&nbsp;Signatures(TM)&nbsp;&nbsp;数据库中的药物病理学及机制的生物标志，以便为阿斯利康公司描绘其混合药物。Iconix经由其大规模化学基因组参考数据库及信息学系统&mdash;&mdash;DrugMatrix(R)平台，得到Drug&nbsp;&nbsp;Signatures&nbsp;&nbsp;数据库。 <br />
&nbsp;&nbsp;&nbsp; Iconix&nbsp;&nbsp;首席执行官&nbsp;&nbsp;Jim&nbsp;&nbsp;Neal&nbsp;&nbsp;表示：&ldquo;我们特别高兴能与阿斯利康公司合作，因为该工作集中在能够带来巨大利益的化学基因组技术的两个领域：预测性毒物学以及对于毒物学机制的解释。减少探测潜在毒性的耗时以及对毒性作出解释，能够大幅度降低临床医药开发成本。&nbsp;</p>
<h3><br />
何为化学基因组学？&nbsp;</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 化学基因组学，在后基因组时代的最新一波中坚固地建立起来，现在正在体验一种身份危机，像更多的个人和组织采用化学基因组学，作为许多研究和发明的一种工具，这个领域类似于谚语&ldquo;大篷车&rdquo;，在&ldquo;大篷车&rdquo;中所有发明工具都受到欢迎。<br />
&nbsp;&nbsp;&nbsp; 传统的化学基因组学，由哈佛大学的Stuart&nbsp;&nbsp;Schreiber教授普及推广，由单个的化合物对一个基因或蛋白系统进行试验来阐明生物学机制。他的小组合成某些小分子，使之与蛋白质结合，并改变蛋白质的功能，例如使某些蛋白酶的功能关闭。这种原创的主意很快孵化出许多方法，全部都声称化学基因组学，或甚至叫&ldquo;化学遗传学&rdquo;，作为他们的科学基础。结果，化学基因组学沦为一种垃圾箱类的技术，这种技术通过研究蛋白质、基因、组织或器官与小的有机分子的作用来解释生物学。&nbsp;&nbsp;&nbsp;&nbsp;<br />
&nbsp;&nbsp;&nbsp; 一种方法是用小分子随机地使基因突变，以寻找感兴趣的表型、鉴定相关基因及逆转工程师的路径从而到达目标，最后获得候选药物。&ldquo;更多的集中在方法&rdquo;，圣地亚哥Anadys&nbsp;&nbsp;Pharmaceuticals&nbsp;&nbsp;Inc的首席执行官Kleanthis&nbsp;&nbsp;Xanthopoulos博士说，使用类似药品的化学试剂或已知的药物的复合物去探测复杂的、以前不知道的基因组靶标和路径。&nbsp;&nbsp;<br />
&nbsp;&nbsp;&nbsp; 在表面水平，化学基因组学与通过反义RNA的基因干扰相类似，RNA干扰(RNAi)，或化学诱变，除了小分子诱导的相互作用倾向于与宣布的不同，而且靶标更可能是蛋白质而不是DNA或RNA。 <br />
&nbsp;&nbsp;&nbsp; 另一种观点，化学基因组学利用有机化学空间寻求核对已经被认知的与疾病相关的2000-3000靶标，Anadys公司的战略包括采集他们能够提供的化学多样性，把筛选作为界面来识别在那里能找到化合物。&ldquo;一旦这种情况发生，我们使用传统的药物化学与生物学反复的相互作用的路径结合来做，&rdquo;Xanthopoulos博士说。 <br />
&nbsp;&nbsp;&nbsp; Anadys公司把80%的努力放在抗病毒和抗生素残留上。公司宣称其抗肝炎C和肝炎B药物中的两个证明了化学基因组学的概念。其他病毒靶标及抗菌药物的项目尚处于早期临床试验或临床前阶段。</p>
<p>&nbsp;</p>
<h3>名词中有什么？</h3>
<p>&nbsp;<br />
&nbsp;&nbsp;&nbsp; 名词化学基因组学和化学遗传学在使用上可互换，大太准确，百时美施贵宝的Kevin&nbsp;&nbsp;Fitzgerald博士的意见是：&ldquo;严格地说，化学基因组学应该是提交多大的小分子来影响基因的表达，而在化学遗传学中，你去除一个基因或使一个基因过分表达，然后调查对化合物活性的影响&rdquo;。此外，Fitzgerald认为，通过小分子探测蛋白的功能可能是一种较好的命名化学蛋白质组的方法。&ldquo;全球性的术语&lsquo;化学基因组学&rsquo;在那些经常使用的背景下几乎是无意义的&rdquo;，他说。<br />
&nbsp;&nbsp;&nbsp; 一些领衔的研究人员，如Xanthopoulos，一点也不了解术语&ldquo;化学基因组学&rdquo;。&ldquo;我是训练出来的基因组学家，化学基因组学是一个松弛的术语。我可以给你五种不同的有关药物发现的方法，而且他们在化学基因组学的标题下都倒下了&rdquo;。 <br />
&nbsp;&nbsp;&nbsp; 关于化学基因组学的分子靶标也有一些混淆，一些作者说的是基因，一些说蛋白质。&ldquo;不管他们怎么称呼它，按Schreiber的看法，化学基因组学表示化学物质对蛋白质的影响&rdquo;，Iconix&nbsp;&nbsp;Pharmaceuticals&nbsp;&nbsp;Inc技术部的副总裁Kurt&nbsp;&nbsp;Jarnagin博士说。 <br />
&nbsp;&nbsp;&nbsp; Iconix公司集中研究化合物在老鼠肝细胞中蛋白质转录的影响。研究和分类这些系统，Iconix创造了DrugMatrix，一种数据库和相关的服务，它按照药理学和毒理学在药物类似的化合物和靶标之间制造障碍或优先其次序，使其远离或接近靶标。DrugMatrix化学基因组学数据库使用600种化合物（几乎400种FDA批准的药物、60种欧洲和日本批准的药物及25种过期药物及100种麻醉剂）。化合物分子使用多种剂量，时间点和生物学复制的结果在7种老鼠组织中被描述出来。整个来说，数据库描述了多于3200单个的药物剂量。 <br />
&nbsp;&nbsp;&nbsp; 将新的结构与这些小但有代表性和高特异性化合物标本相比较，DrugMatrix帮助科学家预测一种新的结构性质，或按照Jarnagin&nbsp;&nbsp;的说法：&ldquo;利益和债务&rdquo;，协助导致基于基因组、生物学和化学挡案资料的最佳化选择。<br />
&nbsp;&nbsp;&nbsp; &ldquo;我们认为基因表达分析缺少的就是药物和类药物分子作用的背景，&rdquo;Jarnagin说，&ldquo;因此，我们在15，000微阵列实验的基础上建立了与上面有关的数据库&rdquo;，使用者可以取得后选分子、把他们的挡案资料与数据库中个别的相比较来预测药理学和毒物学，允许更直接、简单的使用基因表达挡案资料。 <br />
&nbsp;&nbsp;&nbsp; Iconix通过各种一次一付的安排给药物发现组织提供contextual数据库。一种方式是通过依靠数据库分析化合物或剂量组织及提供潜在的毒物学，药理学副作用及一般药理学的数据。&ldquo;因为这个报告是在大量上下文参考资料组合的基础上得出的，与在单个化合物做的研究相比，它具有相当大的解析度和权威性&rdquo;。Jarnagin说，Iconix也在特殊的器官/组织和靶标群中建立专利药的数据库，或许有公司愿意购买完整的数据库并维护它。<br />
&nbsp;</p>
<h3>探测靶标群 <br />
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</h3>
<p>&nbsp;&nbsp;&nbsp; 不像Iconix，它深深地、用尽心机地表现600种小心选择的化合物的特征，加州南旧金山的Exelixis&nbsp;&nbsp;Inc公司，筛选了一个针对一个相对狭小范围的激酶的300万以上化合物信息库。这个策略看来深入到一个靶标群，产生巨大的资料组。而当针对不同的靶标类型筛选数百万种化合物时，能提供得不到的信息。<br />
&nbsp;&nbsp;&nbsp; 然而，数据本身从来没有尽头。&ldquo;我们的目标不是创造一个巨大的数据库及出价销售，而是发展最好的化合物来推进数据库&rdquo;，首席科学官Gregory&nbsp;&nbsp;Plowman,&nbsp;&nbsp;MD博士说。 <br />
&nbsp;&nbsp;&nbsp; 对Plowman来说，化学基因组学对靶标群特别有效，例如GPCRs、NHRs,ABC运载体、ATP酶,当然还有激酶。&ldquo;你可以从一个到另一个分析学到许多，这是我们在我们的发现和研制项目中起杠杆作用的某些东西&rdquo;。<br />
&nbsp;&nbsp;&nbsp; &ldquo;另外一个处于三期临床研究的适应症针对肿瘤的药物，药物正在等待批准。Exelixis的管线包括三种激酶试剂、刚好做完一期临床的及潜在的五个以上的在一年或一年以后进入临床的药物&rdquo;。Plowman使用属于&ldquo;光谱选择激酶抑制剂&rdquo;，既然这些分子对血管和上皮特异性的激酶两者有结合活力，&ldquo;你应该思考一下像Herceptin或Erbitux在上皮细胞方面及Avastin在血管系统的作用，但是组合成为一个分子&rdquo;。 <br />
&nbsp;&nbsp;&nbsp; 在用靶标群方法的管线中，Exelixis已经计划转移到其他靶标群，特别是GPCRs、癌症和代谢疾病的核受体。</p>
<h3><br />
药物靶标</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 以传统筛选方法为基础的药物发现依靠严格的靶标鉴定，化学基因组学更关心为药物找到的靶标而不是为靶标而找到的药物。&ldquo;它本末倒置了&rdquo;，加州蒙罗维尔Xencor&nbsp;&nbsp;Inc公司的生物治疗药物主管David&nbsp;&nbsp;Szymkowsk博士说。 <br />
&nbsp;&nbsp;&nbsp; 尽管他在罗氏过去的节简及他的Xencor试验，Szymkowski已经变成一个化学基因组学的专家，并且在这个学科取得不少成果。他相信开展对现存药物特别是一些机制还不知道或了解很少的上百种已在市场上销售的药物的化学基因组研究，这些药物是新化合物的宝贵资源，并且可能显著缩短治疗药物产生的时间。 <br />
&nbsp;&nbsp;&nbsp; 他举了COX-2抑制剂作为例证。在发现垂柳树皮止痛剂和阿斯匹林之间花了上千年的时间，&ldquo;在我们知道甲基水杨酸作用之前，另外几百年过去了，然后在1980年，COX-1和COX-2路径的发现导致选择性COX-2抑制剂的发明&rdquo;，他争论说，使用适当的化学基因组工具，整个过程可能会压缩到十年或更短。 <br />
&nbsp;&nbsp;&nbsp; 另一类基因组候选物，Szymkowski说，包括&ldquo;跌落的天使&rdquo;，他们是在人类、动物或临床前研究中失败的化合物。&ldquo;化学基因组学能够鉴定毒物学靶标，这些靶标在产生安全类似物或新化学药品方法方面有帮助。&rdquo;</p>
<h3>&nbsp;<br />
看似传统发现</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 从哲学上看，化学基因组学从药物发现方法中已建立的思路受益非浅。德国海德堡Graffinity&nbsp;&nbsp;Pharmaceuticals&nbsp;&nbsp;AG（宣称自己为&ldquo;化学基因组公司&rdquo;）在早期阶段通过小分子在蛋白质靶标如Cetek的行动中，把化学基因组学和生物学结合一起。Graffinity的方法类似于传统的多化合物、单靶标药物发现。 <br />
&nbsp;&nbsp;&nbsp; 研究者通过表面细胞质基因组共鸣检测结合蛋白的相互作用，这种共鸣是一种易感的但&ldquo;较少分析&rdquo;的技术，这种技术不需要较早的蛋白质知识或复合靶标的相互作用。 <br />
&nbsp;&nbsp;&nbsp; Graffinity的化合物库已经导致两个临床前后选药物的产生，即治疗II型糖尿病的DPP-4和一个口服凝血酶抑制剂。公司也已与Serono、礼来、基因泰克和诺华制药进行药物发现关系的合作，并已经和辉瑞有合作。<br />
&nbsp;&nbsp;&nbsp; 在匆忙中对化学基因组学进行分类和过于细分，容易忘记它分享了多少其他发现方法。&ldquo;在采样数和化学基因组学之间的相似性引起我们很大的兴趣&rdquo;，英国加地夫通用医疗保健产品部门副总裁John&nbsp;&nbsp;Anson博士说。<br />
&nbsp;&nbsp;&nbsp; 通用医疗保健的前身Amersham&nbsp;&nbsp;Biosciences公司，发明了许多同种的分析方法，这些方法使今天的自动、高通量发现工具成为可能。通用医疗保健继续提供测定和使用的仪器，他们服务化学基因组学也服务更多确定的市场。例如，公司用于高通量亚细胞微阵列工作也是为化学基因组研究的细胞分析器。他的导联选择器仪器，使用闪烁、荧光和发光，每天在实验中筛选多于140万化合物，而不需要亚细胞解决方法。 <br />
&nbsp;&nbsp;&nbsp; Anson也说化学基因组学比药物发现大的多，&ldquo;药学研究者只对蛋白质靶标小的亚型及他们与上百万有机分子的相互作用感兴趣&rdquo;，他注意到，&ldquo;学术上有相当宽的远景，因为他们的目标是对生物学过程最基本的了解&rdquo;，现在，他把化学基因组更多的看作一种研究工具，而不是药物发现平台，一种与美国国立卫生研究院化学基因组中心主任Christopher&nbsp;&nbsp;Austin博士相一致的观点。 <br />
&nbsp;</p>
<h3>然而我们在那？</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 然而，一种术语在化学和生物之间的相互影响，显然两个学科一起使用时对药物发现特别是在现代分子生物学工具如反义RNA和微阵列技术有很大的帮助。 <br />
&nbsp;&nbsp;&nbsp; &ldquo;今天你可以问许多更复杂的有关化合物和活性的问题，而五年前是不可能的&rdquo;。BMS的Fitzgerald说，他相信用早期发现的小分子研究基因和蛋白质，最后将获得安全、更有效的药物，但是在什么时候呢？ <br />
&nbsp;&nbsp;&nbsp; &ldquo;药物发现需要12到15年的时间刻度&rdquo;，他说，&ldquo;因此新的高通量技术现在只是在填充管线。化学基因组学的影响更快，并且将影响我们开发新化合物的方法，事实上，我们推向市场药物的每一个都从这种方法获益匪浅&rdquo;。</p>
<h3><br />
回到自然</h3>
<p><br />
&nbsp;&nbsp;&nbsp; 尽管药物的开发者在分子方面没有损失，&ldquo;回到自然&rdquo;的诱惑和有机体的化学多样性相当强烈，但像大自然资源一样丰富的化学分子可能在类似的药物或可能的药物分子中，这些丰富的化学分子不利于分类，从含有成百上千种化合物中分离和试验单个的分子不切实际。<br />
&nbsp;</p>]]></content:encoded>	<pubDate>Tue, 02 Aug 2011 11:22:27 +0800</pubDate></item><item>	<title>系统生物学技术进展：整理蛋白质相互作用网络</title>	<link>http://www.tri-ibiotech.com.cn/thesis/n109.html</link>	<description><![CDATA[系统生物学技术进展：整理蛋白质相互作用网络

前言：
研究者们已经鉴定出了几千种细胞内生物大分子相互作用。但是正如Nathan Blow指出，如何将这些相互作用组建成网络，并探索他们在细胞内是如何工作的仍将是研究者所面临的一个挑战。

在2006年春季，加拿大多伦多大学的Andrew Emili和Jack Greenblatt以及他们的同事在Nature杂志上发表了一篇有关酿酒酵母菌中全蛋白质相互作用复合物的研究报告。在同一问题上，来自于德国海登堡的Cellzome公司的科研小组也报道了有关酵母菌中蛋白复合物的研究进展。两个研究组所得的数据有很好的重合。
Greenblatt认为这两个研究揭示了大规模蛋白相互作用研究中出现的一些重要问题。“如果将两个研究的数据整合来看，会得到比单独一个研究组更多的信息，当然这并不是说一个研究小组是对的，另外一个研究小组是错的。科学家们认为这更可能是一个研究小组的结果能弥补另外一个小组研究所得到的假阴性的结果，这说明，在单一的筛查过程中，往往会漏掉很多真实存在的蛋白相互作用。
英国爱丁堡大学的系统生物学家Mike Tyers说“我认为蛋白相互作用的空间是非常大的，问题是蛋白相互作用存在广泛的作用类型，对于那些很弱的相互作用是很难检测到的。”
相比较于相对稳定的DNA序列测序，蛋白质相互作用就好像是一个“移动的靶点”一样。
随着科研人员采用不同的阵列检测技术，产生大量的代谢和蛋白作用数据，这些零散的碎片逐渐拼接成一个完整的图谱。特别是近年来一些更为先进的方法和技术的应用，加快了这项工作的进展。科学家们通过这些研究也可以观察到在细胞内部信号传递和信息流的传递变化

蛋白质组技术多样性
耶鲁大学的生物学家Mike Snyder说，“我认为遗传信息规划好相应的蓝图，而蛋白组学才更接近于细胞内部发生了怎样的变化，蛋白组才是细胞表型分子机制的解释。”在怎样对蛋白质及其相互作用分类的问题上，科学家开始逐渐认可采用不同组合的检测技术，“每种不同的方法都能给出有一定程度重合又有不同的数据信息，每种不同的方法都有其强处和弱处。” 

就像越来越多的科研人员一样，Tyers和Greenblatt也正在改进使用亲和纯化色谱技术并结合质谱分析来揭示不同细胞系中蛋白的相互作用。这项技术将目的蛋白标记上相应的纯化标签用于将来的亲和纯化。尽管有些科学家认为在纯化过程中可能会遗漏那些弱的相互作用蛋白对或者瞬时相互作用蛋白对，GreenBaltt博士（他们实验室主要依赖于串联亲和纯化技术来纯化蛋白）认为这正是质谱技术可以派上用途的地方，“Mass是非常灵敏的，即使你在亲和纯化过程中漏掉90％的相互作用，我们仍然可以检测到剩余10％的相互作用。” 


随着蛋白－蛋白相互作用研究技术的发展，研究者们发现没有一个单一的纯化标签能够分离所有的蛋白。Tyer&rsquo;s的研究小组最近通过三种不同的标签继续研究酵母蛋白组，每种标签有不同的特性。最后发现，有相当多的Bait, 使用不同的标签会出现不同的结果。这说明标签能够影响到相互作用的恢复。
当一种具体的蛋白或者蛋白复合体被纯化后，通过ESI或者是MALDI Q-Tof进行分析。科研人员已经从不断发展的仪器检测技术中获益。
Tyers 博士说，“使用Mass分析蛋白质的一大优势是检测可以在生理状态下进行。”与其他检测蛋白－蛋白相互作用的方法不同，质谱检测样品可以直接使用细胞或者组织样品。因此使用这种检测技术可以检测很多间接相互作用（超过2个蛋白的相互作用）。但是，有些研究人员怀疑，尽管亲和纯化加上Mass质谱检测能够提供有关蛋白复合物是如何相互作用的重要信息，但是这个方法并不能揭示这个相互作用的机制是什么。 


来自Dana-Farber 癌症研究所的Vidal 博士认为：有一些二元检测方法，如酵母双杂交技术，能够提供不同的蛋白相互作用信息。Vidal博士将之比喻成在足球场上的两支足球队以及裁判员，“Mass检测技术将会告诉我们谁是队员，谁是裁判以及场地，但是不会告诉我们哪个队员过了哪个队员，以及球往哪个方向运行，但这确实二元检测技术所能做的。”酵母双杂交检测技术是最有名的有争议的二元检测方法。其原理是将转录因子的两个domain分开，分别融合与两种待检验的蛋白进行检测。如果这两种蛋白相互作用，转录因子就会再生，从而引起报告基因的表达。这种检测技术能够检测更多的动态蛋白相互作用，例如游离率。“物理相互作用并不能说明一切，你同时也需要edges和arrows去了解游离率以及其他相互作用的逻辑关系，Mass检测技术在这方面是有不足之处的。”
酵母双杂交检测技术的另外一种优势是它可以提供高通量检测的方案。Snyder博士说“酵母双杂交技术理论上是一种高通量的检测方法，一次可以检测大量蛋白的潜在相互作用。”
研究人员还开发了其他一些检测方法。Synder的研究小组通过蛋白芯片技术，设计了一系列的探针，检测到一些通过其他检测手段不能检测到的蛋白相互作用。目前已经有一些商业公司开始推广蛋白质芯片产品，如Invitrogen, 但是这种技术目前的使用程度还不如质谱技术以及二元杂交技术，但是在某些领域已经开始有一定的影响力。其中一部分原因是蛋白芯片技术比较昂贵，还无法用来进行大规模的研究。鉴于蛋白芯片技术在检测某些独特的相互作用类型的潜在能力，Synder博士说，他希望这个技术的成本能够降下来，这样才能在大规模相互作用研究中扩大使用程度。
另外一种跟酵母双杂交检测技术相类似的方法是蛋白－碎片互补检测技术（Protein-fragment complementation assay, PCA）。在此方法中，两个目的蛋白分贝与报告蛋白的两个片段相互融合。如果两个目的蛋白相互作用，报告蛋白就会直接被读出。Steven Michnick以及他的同事就采用PCA检测方法研究了酵母蛋白相互作用组学，在1124种蛋白质中，检测到了2800余种蛋白相互作用，其中有很多作用类型在之前还没有被检测到。
即使是已经研究的非常透彻的生物来讲，要制定一个完整的作用图谱还需要额外的工作和更先进的检测工具才行。Snyder认为在酵母中，平均每个蛋白的相互作用在5个左右，到目前为止，酵母中共鉴定了6000种蛋白，理论上应该在30,000余种的相互作用，而目前鉴定出的远远少于这个数目，因此在蛋白相互作用研究方面，还有很长的路要走。

构建Pathway
发现蛋白－蛋白相互作用只是构建信号通路的第一步，研究者们需要将这些发现的相互作用整合到细胞网络中，这需要生物信息学工具来完成。“这就像装配一辆自行车一样， 有了轮子，座椅和把手，我们需要一系列的步骤将这些部件装配到一起。”GeneGo公司的副总Julie Bryant说。GeneGo公司是专注于细胞信号转导和代谢分析软件开发的专业公司。GeneGo并不是这个领域的唯一一家公司，目前已经有越来越多的公司开发新的工具来研究和分析信号网络。他们希望能够根据目前的数据来简历一个网络模型，通过这个模型来预测细胞内不同信号网络的活动。

“我们能够分析任何种类的实验数据&mdash;&mdash;基因组学，蛋白组学和代谢组学，并将他们投射到细胞信号通路上，根据GeneGo公司的Bryant博士说。要能够分析不同来源的实验数据类型，需要对现有的数据库进行仔细的矫正。GeneGo公司目前雇佣了约50名科学家对发表的文献进行人工阅读并提取和修正相关的蛋白相互作用，基因表达，代谢以及药物方面的实验数据，用以扩充和升级它自己建立的数据库，目前其数据库包含120,000种多步骤相互作用通路数据库，平均每个含有11个通路步骤，每个通路都包含方向，作用机制，通路反馈以及相关文献等各种信息。
Bryant说，文献挖掘在构建更大的相互作用数据库方面是非常重要的，但是如果文献没有对实验本身进行描述的话，这个技术会变得非常困难。另外一个问题是研究人员通常都偏好于他们所研究的蛋白和相互作用。我们已经了解了大分子之间相互作用的机制，但是当你问我们已经拥有了多大的网络或者是某个物种的相互作用组学时，如果光是依靠文献是很难回答这些问题的。
Tyer博士参与了BioGRID数据库的构建，这是一个由公共基金投资的关于分子之间相互作用的数据库。到目前为止该数据库已经包含了酵母、线虫、果蝇以及多种植物甚至人类的分子相互作用数据。根据Tyer博士，这个项目的目的就是从原始文献中挖掘相关数据，整理成一定的格式，用于构建网络生物学。Tyer博士说，我们并不关心实验方法，我们关心的是数据的质量。我们希望给研究工作者最大量的信息。
来自哈佛大学的Walter Fontana博士及其研究小组描述了他们采用的另外一种信号网络建模角度。他们采用了一组规则来定义细胞组分之间的关系。来自马萨诸塞州的Plectix Biosystem公司就是采用这种方法来模拟信号网络的。这个信号模拟系统可以模拟在颗粒水平上，细胞组分在实际生命中的相互作用。

从简单到复杂
根据Edwards, Plectix Biosystems公司的方法，通过对每个组分设定几个简单的规则，就能够模拟复杂的生物学行为。这跟以往的方法不一样，以往的方法在模拟进行之前，必须搞清楚这些复杂的行为。而且不同信号模型之间可以相互循环转换。在建立模型采用的规则方面，Plectix就跟GeneGo的平台还有BioGRID的平台一样，所有数据也是来自文献中的实验数据。


Snyder博士说，将所有相互作用映射到网络是非常重要的，同样也要能理解这些相互作用背后的动态变化。要能理解细胞中的动态的信息流，研究者不仅要理解蛋白蛋白相互作用网络，还要理解蛋白－DNA相互作用网络，microRNA的效应，表观遗传变化对基因表达的影响，以及代谢产物如何影响信号网络的输出，所有这些系统的整合才决定了信号的输出以及细胞的活动。

Vidal认为，技术的进步，尤其是纳米技术，细胞显微镜技术还有计算机技术推动了系统生物学不断朝前发展。只有将这些技术整合起来，才能去思考怎样去抓住细胞内信息的变化。
洛克菲勒大学的Paul Nurse在关于理解细胞信息流一文中写到，我们过去的成功让我们低估了生物物种的复杂性，在系统生物学的世界里，这种低估将快速消失并且永远不会再次发生。

注： Nathan Blow是 Nature and Nature Methods 的技术编辑
]]></description>	<content:encoded><![CDATA[<div style="text-indent: 67.15pt" align="center"><strong><span style="font-size: 12pt"><font color="#000000">系统生物学技术进展：整理蛋白质相互作用网络</font></span></strong></div>
<div style="text-indent: 21.1pt"><strong><font color="#000000">&nbsp;</font></strong></div>
<div style="text-indent: 21.1pt"><strong><font color="#000000" size="2">前言：</font></strong></div>
<div style="text-indent: 18pt"><font color="#000000"><font size="2"><span style="font-size: 9pt">研究者们已经鉴定出了几千种细胞内生物大分子相互作用。但是正如</span><span style="font-size: 9pt">Nathan Blow</span><span style="font-size: 9pt">指出，如何将这些相互作用组建成网络，并探索他们在细胞内是如何工作的仍将是研究者所面临的一个挑战。</span></font></font></div>
<div style="text-indent: 18pt"><font color="#000000" size="2">&nbsp;</font></div>
<div style="text-indent: 21pt"><font color="#000000" size="2">在2006年春季，加拿大多伦多大学的Andrew Emili和Jack Greenblatt以及他们的同事在Nature杂志上发表了一篇有关酿酒酵母菌中全蛋白质相互作用复合物的研究报告。在同一问题上，来自于德国海登堡的Cellzome公司的科研小组也报道了有关酵母菌中蛋白复合物的研究进展。两个研究组所得的数据有很好的重合。</font></div>
<div style="text-indent: 21pt"><font color="#000000" size="2">Greenblatt认为这两个研究揭示了大规模蛋白相互作用研究中出现的一些重要问题。&ldquo;如果将两个研究的数据整合来看，会得到比单独一个研究组更多的信息，当然这并不是说一个研究小组是对的，另外一个研究小组是错的。科学家们认为这更可能是一个研究小组的结果能弥补另外一个小组研究所得到的假阴性的结果，这说明，在单一的筛查过程中，往往会漏掉很多真实存在的蛋白相互作用。</font></div>
<div style="text-indent: 21pt"><font color="#000000" size="2">英国爱丁堡大学的系统生物学家Mike Tyers说&ldquo;我认为蛋白相互作用的空间是非常大的，问题是蛋白相互作用存在广泛的作用类型，对于那些很弱的相互作用是很难检测到的。&rdquo;</font></div>
<div><font color="#000000" size="2">相比较于相对稳定的DNA序列测序，蛋白质相互作用就好像是一个&ldquo;移动的靶点&rdquo;一样。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">随着科研人员采用不同的阵列检测技术，产生大量的代谢和蛋白作用数据，这些零散的碎片逐渐拼接成一个完整的图谱。特别是近年来一些更为先进的方法和技术的应用，加快了这项工作的进展。科学家们通过这些研究也可以观察到在细胞内部信号传递和信息流的传递变化</font></div>
<div style="text-indent: 21.75pt">
<div style="text-indent: 21.75pt"><strong><font color="#000000" size="2">蛋白质组技术多样性</font></strong></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">耶鲁大学的生物学家Mike Snyder说，&ldquo;我认为遗传信息规划好相应的蓝图，而蛋白组学才更接近于细胞内部发生了怎样的变化，蛋白组才是细胞表型分子机制的解释。&rdquo;在怎样对蛋白质及其相互作用分类的问题上，科学家开始逐渐认可采用不同组合的检测技术，&ldquo;每种不同的方法都能给出有一定程度重合又有不同的数据信息，每种不同的方法都有其强处和弱处。&rdquo; </font></div>
<div style="text-indent: 21.75pt"><img alt="" src="/upload/545.jpg" /></div>
<font color="#000000"><font size="2"><span style="font-size: 10.5pt">就像越来越多的科研人员一样，</span><span style="font-size: 10.5pt">Tyers</span><span style="font-size: 10.5pt">和</span><span style="font-size: 10.5pt">Greenblatt</span><span style="font-size: 10.5pt">也正在改进使用亲和纯化色谱技术并结合质谱分析来揭示不同细胞系中蛋白的相互作用。这项技术将目的蛋白标记上相应的纯化标签用于将来的亲和纯化。尽管有些科学家认为在纯化过程中可能会遗漏那些弱的相互作用蛋白对或者瞬时相互作用蛋白对，</span><span style="font-size: 10.5pt">GreenBaltt</span><span style="font-size: 10.5pt">博士（他们实验室主要依赖于串联亲和纯化技术来纯化蛋白）认为这正是质谱技术可以派上用途的地方，&ldquo;</span><span style="font-size: 10.5pt">Mass</span><span style="font-size: 10.5pt">是非常灵敏的，即使你在亲和纯化过程中漏掉</span><span style="font-size: 10.5pt">90</span><span style="font-size: 10.5pt">％的相<span style="font-size: 10.5pt; font-family: 宋体; mso-bidi-font-size: 12.0pt; mso-font-kerning: 1.0pt; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-bidi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: ZH-CN; mso-bidi-language: AR-SA">互作用，我们仍然可以检测到剩余</span><span lang="EN-US" style="font-size: 10.5pt; font-family: &quot;Times New Roman&quot;; mso-bidi-font-size: 12.0pt; mso-fareast-font-family: 宋体; mso-font-kerning: 1.0pt; mso-ansi-language: EN-US; mso-fareast-language: ZH-CN; mso-bidi-language: AR-SA">10</span><span style="font-size: 10.5pt; font-family: 宋体; mso-bidi-font-size: 12.0pt; mso-font-kerning: 1.0pt; mso-ascii-font-family: 'Times New Roman'; mso-hansi-font-family: 'Times New Roman'; mso-bidi-font-family: 'Times New Roman'; mso-ansi-language: EN-US; mso-fareast-language: ZH-CN; mso-bidi-language: AR-SA">％的相互作用。&rdquo; </span></span></font></font></div>
<div style="text-indent: 21.75pt"><span style="font-size: 10.5pt"><img height="239" alt="" width="543" align="baseline" src="/upload/541.JPG" /></span></div>
<div style="text-indent: 21.75pt"><span style="font-size: 10.5pt">
<div style="text-indent: 21.75pt"><font color="#000000" size="2">随着蛋白－蛋白相互作用研究技术的发展，研究者们发现没有一个单一的纯化标签能够分离所有的蛋白。Tyer&rsquo;s的研究小组最近通过三种不同的标签继续研究酵母蛋白组，每种标签有不同的特性。最后发现，有相当多的Bait, 使用不同的标签会出现不同的结果。这说明标签能够影响到相互作用的恢复。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">当一种具体的蛋白或者蛋白复合体被纯化后，通过ESI或者是MALDI Q-Tof进行分析。科研人员已经从不断发展的仪器检测技术中获益。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">Tyers 博士说，&ldquo;使用Mass分析蛋白质的一大优势是检测可以在生理状态下进行。&rdquo;与其他检测蛋白－蛋白相互作用的方法不同，质谱检测样品可以直接使用细胞或者组织样品。因此使用这种检测技术可以检测很多间接相互作用（超过2个蛋白的相互作用）。但是，有些研究人员怀疑，尽管亲和纯化加上Mass质谱检测能够提供有关蛋白复合物是如何相互作用的重要信息，但是这个方法并不能揭示这个相互作用的机制是什么。 </font></div>
</span></div>
<div style="text-indent: 21.75pt">
<div style="text-indent: 21.75pt"><font color="#000000" size="2">来自Dana-Farber 癌症研究所的Vidal 博士认为：有一些二元检测方法，如酵母双杂交技术，能够提供不同的蛋白相互作用信息。Vidal博士将之比喻成在足球场上的两支足球队以及裁判员，&ldquo;Mass检测技术将会告诉我们谁是队员，谁是裁判以及场地，但是不会告诉我们哪个队员过了哪个队员，以及球往哪个方向运行，但这确实二元检测技术所能做的。&rdquo;酵母双杂交检测技术是最有名的有争议的二元检测方法。其原理是将转录因子的两个domain分开，分别融合与两种待检验的蛋白进行检测。如果这两种蛋白相互作用，转录因子就会再生，从而引起报告基因的表达。这种检测技术能够检测更多的动态蛋白相互作用，例如游离率。&ldquo;物理相互作用并不能说明一切，你同时也需要edges和arrows去了解游离率以及其他相互作用的逻辑关系，Mass检测技术在这方面是有不足之处的。&rdquo;</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">酵母双杂交检测技术的另外一种优势是它可以提供高通量检测的方案。Snyder博士说&ldquo;酵母双杂交技术理论上是一种高通量的检测方法，一次可以检测大量蛋白的潜在相互作用。&rdquo;</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">研究人员还开发了其他一些检测方法。Synder的研究小组通过蛋白芯片技术，设计了一系列的探针，检测到一些通过其他检测手段不能检测到的蛋白相互作用。目前已经有一些商业公司开始推广蛋白质芯片产品，如Invitrogen, 但是这种技术目前的使用程度还不如质谱技术以及二元杂交技术，但是在某些领域已经开始有一定的影响力。其中一部分原因是蛋白芯片技术比较昂贵，还无法用来进行大规模的研究。鉴于蛋白芯片技术在检测某些独特的相互作用类型的潜在能力，Synder博士说，他希望这个技术的成本能够降下来，这样才能在大规模相互作用研究中扩大使用程度。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">另外一种跟酵母双杂交检测技术相类似的方法是蛋白－碎片互补检测技术（Protein-fragment complementation assay, PCA）。在此方法中，两个目的蛋白分贝与报告蛋白的两个片段相互融合。如果两个目的蛋白相互作用，报告蛋白就会直接被读出。Steven Michnick以及他的同事就采用PCA检测方法研究了酵母蛋白相互作用组学，在1124种蛋白质中，检测到了2800余种蛋白相互作用，其中有很多作用类型在之前还没有被检测到。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">即使是已经研究的非常透彻的生物来讲，要制定一个完整的作用图谱还需要额外的工作和更先进的检测工具才行。Snyder认为在酵母中，平均每个蛋白的相互作用在5个左右，到目前为止，酵母中共鉴定了6000种蛋白，理论上应该在30,000余种的相互作用，而目前鉴定出的远远少于这个数目，因此在蛋白相互作用研究方面，还有很长的路要走。</font></div>
<div style="text-indent: 21.75pt"><strong><font color="#000000" size="2">&nbsp;</font></strong></div>
<div style="text-indent: 21.75pt"><strong><font color="#000000" size="2">构建Pathway</font></strong></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">发现蛋白－蛋白相互作用只是构建信号通路的第一步，研究者们需要将这些发现的相互作用整合到细胞网络中，这需要生物信息学工具来完成。&ldquo;这就像装配一辆自行车一样， 有了轮子，座椅和把手，我们需要一系列的步骤将这些部件装配到一起。&rdquo;GeneGo公司的副总Julie Bryant说。GeneGo公司是专注于细胞信号转导和代谢分析软件开发的专业公司。GeneGo并不是这个领域的唯一一家公司，目前已经有越来越多的公司开发新的工具来研究和分析信号网络。他们希望能够根据目前的数据来简历一个网络模型，通过这个模型来预测细胞内不同信号网络的活动。</font></div>
<p style="text-indent: 21.75pt" align="center"><img height="358" alt="" width="476" align="middle" src="/upload/5421.jpg" /></p>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">&ldquo;我们能够分析任何种类的实验数据&mdash;&mdash;基因组学，蛋白组学和代谢组学，并将他们投射到细胞信号通路上，根据GeneGo公司的Bryant博士说。要能够分析不同来源的实验数据类型，需要对现有的数据库进行仔细的矫正。GeneGo公司目前雇佣了约50名科学家对发表的文献进行人工阅读并提取和修正相关的蛋白相互作用，基因表达，代谢以及药物方面的实验数据，用以扩充和升级它自己建立的数据库，目前其数据库包含120,000种多步骤相互作用通路数据库，平均每个含有11个通路步骤，每个通路都包含方向，作用机制，通路反馈以及相关文献等各种信息。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">Bryant说，文献挖掘在构建更大的相互作用数据库方面是非常重要的，但是如果文献没有对实验本身进行描述的话，这个技术会变得非常困难。另外一个问题是研究人员通常都偏好于他们所研究的蛋白和相互作用。我们已经了解了大分子之间相互作用的机制，但是当你问我们已经拥有了多大的网络或者是某个物种的相互作用组学时，如果光是依靠文献是很难回答这些问题的。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">Tyer博士参与了BioGRID数据库的构建，这是一个由公共基金投资的关于分子之间相互作用的数据库。到目前为止该数据库已经包含了酵母、线虫、果蝇以及多种植物甚至人类的分子相互作用数据。根据Tyer博士，这个项目的目的就是从原始文献中挖掘相关数据，整理成一定的格式，用于构建网络生物学。Tyer博士说，我们并不关心实验方法，我们关心的是数据的质量。我们希望给研究工作者最大量的信息。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">来自哈佛大学的Walter Fontana博士及其研究小组描述了他们采用的另外一种信号网络建模角度。他们采用了一组规则来定义细胞组分之间的关系。来自马萨诸塞州的Plectix Biosystem公司就是采用这种方法来模拟信号网络的。这个信号模拟系统可以模拟在颗粒水平上，细胞组分在实际生命中的相互作用。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">&nbsp;</font></div>
<div style="text-indent: 21.75pt"><strong><font color="#000000" size="2">从简单到复杂</font></strong></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">根据Edwards, Plectix Biosystems公司的方法，通过对每个组分设定几个简单的规则，就能够模拟复杂的生物学行为。这跟以往的方法不一样，以往的方法在模拟进行之前，必须搞清楚这些复杂的行为。而且不同信号模型之间可以相互循环转换。在建立模型采用的规则方面，Plectix就跟GeneGo的平台还有BioGRID的平台一样，所有数据也是来自文献中的实验数据。</font></div>
<div style="text-indent: 21.75pt"><img height="219" alt="" width="585" src="/upload/543.jpg" /></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">&nbsp;</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">Snyder博士说，将所有相互作用映射到网络是非常重要的，同样也要能理解这些相互作用背后的动态变化。要能理解细胞中的动态的信息流，研究者不仅要理解蛋白蛋白相互作用网络，还要理解蛋白－DNA相互作用网络，microRNA的效应，表观遗传变化对基因表达的影响，以及代谢产物如何影响信号网络的输出，所有这些系统的整合才决定了信号的输出以及细胞的活动。</font></div>
<p style="text-indent: 21.75pt" align="center"><img height="349" alt="" width="457" align="middle" src="/upload/544.jpg" /></p>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">Vidal认为，技术的进步，尤其是纳米技术，细胞显微镜技术还有计算机技术推动了系统生物学不断朝前发展。只有将这些技术整合起来，才能去思考怎样去抓住细胞内信息的变化。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">洛克菲勒大学的Paul Nurse在关于理解细胞信息流一文中写到，我们过去的成功让我们低估了生物物种的复杂性，在系统生物学的世界里，这种低估将快速消失并且永远不会再次发生。</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">&nbsp;</font></div>
<div style="text-indent: 21.75pt"><font color="#000000" size="2">注： Nathan Blow是 <em>Nature and Nature Methods</em> 的技术编辑</font></div>
</div>]]></content:encoded>	<pubDate>Fri, 16 Oct 2009 13:10:53 +0800</pubDate></item></channel></rss>
