【辰辉创聚生物】蛋白质组学：裂解化学、机械破碎与分馏策略在蛋白提取中的分子机制解析

蛋白提取的本质并非单纯的物理破碎，而是在细胞结构崩解的瞬间，通过化学与热力学手段将蛋白质组的生化状态加以保存。 一、物理屏障的突破：机械破碎与能量控制对于培养细胞等结构相对脆弱的样本，温和的化学裂解即可实现有效提取。 通过引入特异性的磷酸酶或去乙酰化酶抑制剂，可以防止裂解后发生的体外修饰变化，从而确保检测结果反映真实的细胞状态。三、亚细胞分馏与空间信息富集细胞内部高度分区化，许多关键生物学过程发生在特定细胞器中。 亚细胞分馏技术通过降低样本复杂度，为低丰度蛋白的检测提供了有效途径。该策略的核心是差速离心。利用不同细胞器在重力场中的沉降特性，通过逐步提高离心力，可依次分离细胞核、线粒体及膜性组分。 分馏不仅提供空间定位信息，也在一定程度上提升了蛋白质组分析的灵敏度。四、复杂样本的特异性挑战不同生物基质对蛋白提取提出了差异化挑战。

基于机器学习的蛋白质亚细胞定位预测

蛋白质是生命活动的主要承担者，也是组成人体一切细胞、组织的重要成分。研究表明，所有蛋白质有对应的亚细胞器，不同功能的蛋白质只有存在于特定的亚细胞器，才能正常发挥其作用。 因而寻找一种简单高效的方法对蛋白质亚细胞器进行定位，即获取其特定的亚细胞区间，对了解蛋白质的功能和性质，研究蛋白质之间的相互作用具有重要意义。 随着高通量测序时代的来临，大部分生物数据需要通过理化实验对其结构及功能进行注释，传统标注方法如细胞分馏、电子显微镜和荧光显微镜等，成本较高，且耗时费力，借助先进高效的计算机技术，基于统计预测或理论计算的方法从海量数据中挖掘出有效信息已成为了当今时代的迫切需要 3是第 3 个残基，以此类推。其AAC特征的计算公式如式： ? ? 其中，fi为第i种氨基酸在P中出现的频率。L为蛋白质序列长度，ni表示第i类氨基酸。 其中，FNi是第i类亚细胞区间预测错误的序列条数，TPi是第i类亚细胞区间预测正确的序列条数，M为亚细胞类别总数。

AbMole| BS3助力揭秘衣康酸转运体ABCG2抑制免疫抗菌能力

在本研究中，免疫荧光和细胞分馏分析等实验结果表明，ABCG2/Abcg2 KO或 ABCG2 ATP水解缺陷突变体的重组表达能促进 LPS 刺激的TFEB 核易位，促进溶酶体基因表达和溶酶体区室的形成。 此外，免疫印迹分析和ELISA结果表明，ABCG2/Abcg2的缺失，在LPS刺激下会升高NRF2和ATF3的蛋白水平，抑制IL-1b 分泌。 最后，为了确定该研究结果与人类的相关性，研究人员使用人巨噬细胞进行验证，生化分析和亚细胞分馏分析等研究表明，在 LPS 激活的人巨噬细胞中，ABCG2 的表达与衣康酸的输出相关，阻断 ABCG2 可促进 本研究使用了Bis(sulfosuccinimidyl)suberate(BS3，M9872)，BS3是一种活性交联剂，常用于蛋白质、多肽和细胞表面的交联反应中。 研究人员使用BS3交联样品检测 ASC 的寡聚化，从而得到了ABCG2/Abcg2缺失能导致大型多聚 ASC 复合物减少，并抑制巨噬细胞的炎症程序激活的结论。

预测 lncRNA 亚细胞定位的网站

在整个基因转录翻译的过程当中，基因是在细胞核发生转录，然后出核到细胞质当中发生翻译。对 lncRNA 而言，由于lncRNA的功能主要还是通过影响其它基因来实现的。 如果在细胞核，就是参与转录调控了，经典的方式还是影响ceRNA的方式来进行调控；而如果在细胞质的话，那就参与转录后调控了，比如和mRNA形成互补双链来增加 mRNA 的稳定性。 所以关于基因定位的信息也就收集到17年之前，近3年的基因研究结果就没有包含在内了。 新基因查询 RNALocate 的数据的。 我们需要做的就是简洁的3步。 ? 拿这个网站自带的示例来具体操作一遍，提交就可以得到结果。 （其中第二步邮箱只是为了保存数据结果，以后查看更方便，这里暂时不选择了） ? 之前我们的介绍 ENCODE 数据库的时候，提到他们做了很多细胞、组织的测序结果，而在里面对于细胞系的测序结果。他们其实还分了细胞核测序以及细胞质测序的结果。

蛋白质亚细胞定位分析

大家晚上好，今天给大家带来的内容是蛋白质亚细胞定位分析，首先做一个简短的介绍。 亚细胞定位是指某种蛋白或某个基因表达产物在细胞内的具体存在部位，包括细胞核、细胞质和细胞膜等部位。 如果能利用生物信息学手段基于一些算法如机器学习等开发的方法进行亚细胞定位预测分析辅助于实验，这样就能省时省力节约成本。 这里以本生烟草为例，给大家介绍如何对感兴趣的很多个蛋白质进行亚细胞定位分析，分为公共平台数据和分析预测两部分。 较好的一点是，subcellular location列信息中还包括了亚细胞定位的文章出处。 最后，拿BUSCA预测结果与感兴趣蛋白的定位数据进行比较，主要为了： 1，看BUSCA工具亚细胞定位预测分析的可信度如何 2，整合感兴趣蛋白的亚细胞定位数据信息 参考BUSCA工具文章链接：https

scGHOST:鉴定单细胞3D基因组亚区室

单细胞Hi-C测序技术 (Single-cell Hi-C, scHi-C)是解析细胞特异的染色质3D结构的利器。下面是一些基本概念。 scGHOST，这是一种使用带约束随机游走采样的图嵌入技术的单细胞亚区注释方法。 scGHOST在单细胞Hi-C数据和由单细胞3D基因组成像推导出的接触图中的应用，证明了其能可靠地识别单细胞亚区，为核亚区的细胞间变异性提供了见解。 通过使用来自复杂组织的单细胞Hi-C数据，scGHOST识别出与各种细胞类型和发育阶段中的基因转录相关的细胞类型特异性或等位基因特异性亚区，这表明了单细胞亚区的功能意义。 scGHOST是一种在广泛生物背景下注释单细胞3D基因组亚区的有效方法。

方法更新---亚细胞分辨率空间转录组学的单细胞划分

作者，Evil Genius现在已经有了多个亚细胞精度的空间平台，例如10X HD、Stereo-seq、Slide-seq等，虽然大多数还是采用bin模式的分析方法，但我们更希望有细胞分割的方法来实现单细胞级别的空间分析 关于10X官方推出的HD细胞分割的方法，需要btf文件和专门的分析软件（Stardist）。但是国内没有btf。那么很多人就转向了bin2cell，但是实际效果有待进一步确认。 关于Stereo-seq，华大也推出了细胞分割的方法，目前看到了一篇文章是这么做的，分享文章在文献分享---人动脉粥样硬化斑块中三级淋巴样器官结构的单细胞空间转录组学研究（Stereo-seq）不过以上方法都是基于核分割 今日参考文献，实现亚细胞精度空间转录组的核扩展分割。知识积累现有的方法通常将SRT数据网格化为预定义的正方形，这对于准确捕捉细胞边界是不现实的。整合亚细胞SRT数据和细胞核染色图像来实现单细胞分割。

单细胞实战之亚细胞分群从TNK至CD4+T细胞——从入门到进阶(中级篇1）

两个映射工具 这四个初级部分的学习后，我们将正式进入中级篇，第一讲的主题是亚细胞分群。 严格来说，亚细胞分群其实更适合作为高级篇的内容，因为它涉及多个关键因素，包括基础生物学背景、技术流程熟练度，以及最新的研究进展。 然而，考虑到笔者自身的经验和技术水平有限，同时为了确保课程内容的有序推进(后续涉及到亚群的分析)，经过多番思考，最终还是决定将亚细胞分群归入中级篇进行讲解。当然，这仅是笔者的一家之言，未必绝对正确。 如果您有更佳的亚细胞分群流程，欢迎在推文下方留言交流。 label = TRUE, pt.size = 0.5) 走完标准化流程之后的UMAP分群图 3.6.保存数据qsave(sce,"sub_data_cd4+T.qs")setwd("..")本次内容完成了亚细胞分群从

单细胞实战之亚细胞分群之CD4+T细胞分群——从入门到进阶(中级篇2）

转录因子结果；3. 差异基因结果；首先需要对常规的CD4+T细胞亚群具有一定了解，这些细胞亚群包括了：幼稚性T细胞，辅助性T细胞(THs)，记忆性T细胞和调节性T细胞(Treg)等细胞。 其中，Foxp3 是 Treg 细胞的重要标志物。 3.基于转录因子分析结果注释TFs在单细胞数据中能够较有效地区分细胞亚群，主要因为它们决定细胞命运并调控基因表达，不同细胞类型往往具有特异性的 TFs 表达模式。 、IκBζ、IRF4、RORα等Tfh细胞的特征性转录因子包括：BATF、BCL6、c-MAF、IRF4、STAT3等Treg细胞的特征性转录因子包括：FOXP3、STAT5、Helios(IKZF2) 综合三次转录因子活性分析的结果其中第3、6、13、16是Treg细胞的可能性最大，均含有较高的FOXP3+。

Euk-mPLOC:预测真核生物蛋白的亚细胞定位

对于蛋白质功能研究而言，亚细胞定位是非常重要的分析内容。蛋白质在细胞中是流动的，所以一个蛋白可以具有一个到多个的亚细胞定位信息。 比如转录因子等蛋白，其亚细胞定位是动态变化的，在不同亚细胞中产生不同的细胞功能。 了解蛋白质的亚细胞定位信息，可以对预测其生物学功能提供帮助。 Euk-mPLOC是一个在线软件，可以预测真核生物蛋白的亚细胞定位。 网址如下 http://www.csbio.sjtu.edu.cn/bioinf/euk-multi-2/ 将亚细胞定位分成了以下22种不同区域 Acrosome Cell wall Centriole 对于每条输入的蛋白序列，都会给出预测到的多个亚细胞定位信息。 ·end· —如果喜欢，快分享给你的朋友们吧—

单细胞Seurat - 细胞聚类(3)

本系列持续更新Seurat单细胞分析教程，欢迎关注！ 我们在这里选择了 10 个，但鼓励用户考虑以下事项： 树突状细胞和 NK 与 PC 12 和 13 密切相关的基因定义了罕见的免疫子集（即 MZB1 是浆细胞样 DC 的标记）。 我们发现，将此参数设置在 0.4-1.2 之间通常会为大约 3K 细胞的单细胞数据集带来良好的结果。对于较大的数据集，最佳分辨率通常会增加。可以使用 Idents() 函数找到簇。 AAACATACAACCAC-1 AAACATTGAGCTAC-1 AAACATTGATCAGC-1 AAACCGTGCTTCCG-1 ## 2 3 2 1 ## AAACCGTGTATGCG-1 ## 6 ## Levels: 0 1 2 3 4 5 6 7 8 未完待续，持续更新

R语言meta分析(3)亚组分析

R语言meta分析⑴meta包 R语言meta分析(2)单个率的Meta分析 R语言meta分析(3)亚组分析 原始研究中常常采用亚组分析的形式探索入组患者潜在的差异。 Meta分析中的亚组分析每次只能按照一个变量进行亚组分析，并且对每个亚组都要进行效应量的合并；若要对两个以上的变量进行分析，则应该采用Meta回归的方法。 亚组分析由于其可能带来的危害，meta分析中的亚组分析应该充分考虑以下几个要素：第一，亚组分析一定是事先确定的，最好能在系统评价的研究方案中就体现出来；第二，分组因素的确定应该是从自身专业的角度去确定， 而不是盲目的随意确定亚组，或是在Meta分析过程中随意的添加亚组分析。 第三，过度的亚组分析可能存在数据挖掘的嫌疑，亚组分析的结果有时也并不可靠，因为亚组分析从某种程度上说破坏了原始研究的随机性，所以亚组分析的数量必须是有限的、事先确定的，一般来说分组因素应尽可能控制在3个以内

单细胞day3

，同一个颜色的点被认为时一类细胞，那末到底是什么细胞呢，可以通过marker基因进行分析。 2marker 基因可以把marker基因理解为特征基因，特征基因在某一类细胞中表达量比较高，在其它类细胞中表达量低。 3可视化3.1 热图> library(ggplot2)> DoHeatmap(seu.obj, features = g) + NoLegend()++ scale_fill_gradientn( levels(scRNA)library(Seurat) #"RenameIdents"是Seurat里面的scRNA <- RenameIdents(scRNA,new.cluster.ids)p3 <- DimPlot(scRNA, reduction = "umap",label = T,pt.size = 0.5) + NoLegend()p3 #没操作手动注释的所以没有p2跟花花老师的不一样是因为我用了不同的参考数据集

单细胞day3

前一天 折腾安装包 花了一个晚上加整整一个早上加中午，搞得人很崩溃，怀疑自己是否要坚持下去

国内首款亚细胞级微孔空间转录组芯片震撼发布！

国内首款亚细胞级微孔空间转录组芯片震撼发布！ 在组织的原始位置探索基因表达模式对于了解其中的细胞类型和功能非常重要,现有的空间转录组分析方法存在通量低或分辨率不足等局限。 百创智造自主研发的百创S1000空间芯片可在亚细胞分辨率水平上，检测完整组织切片中的原位基因表达信息，实现组织结构的精细解读。 空间转录组测序技术被《Nature Methods》评为2020年度技术以来，其相关技术呈指数级增长，在给定的预测期内，全球单细胞与空间转录组分析市场预计到2026年将达到约77亿美元。 就在今天，国内生物科技公司百迈客生物经过多年研发，正式发布了国内首款亚细胞级微孔空间转录组芯片：百创S1000 百创S1000可以让研究者们结合不同阶段图谱数据，获得全面的亚细胞级时空动态表达图谱，从而为疾病的诊断治疗及药物研发提供更有力的决策依据 中国科学院北京基因组研究所研究员 于军 中国农业科学院王晓武 研究员谈到，目前空间转录组测序技术应用在植物研究领域的主要障碍是植物有细胞壁，而现在的空间转录组透化试剂都是针对动物组织进行研发的，因此很多时候无法很好的将细胞中的

单细胞数据分析3（单细胞数据自动注释）

亚实性结节和磨玻璃结节肺腺癌单细胞水平的差异如何

最近在朋友圈看到两个还算是比较类似的单细胞文章： 2021年1月27日，亚实性结节(SSN)的肺腺癌 单细胞文章是：https://advances.sciencemag.org/content/7/5 亚实性结节(SSN)的肺腺癌 单细胞 ? of lung adenocarcinoma manifested as pulmonary subsolid nodules by single-cell RNA sequencing" 该研究利用单细胞测序技术全面揭示了影像学表现为亚实性结节 详见；https://mp.weixin.qq.com/s/4f-LbubSwmB4R3zcFcmakg 其单细胞数据集分别是： 磨玻璃结节的肺腺癌单细胞研究是：选取GGN-ADC和SADC组病人各5例进行 亚实性结节的肺腺癌单细胞研究是：对16名CT影像学表现为SSN的肺腺癌患者的手术切除样本进行单细胞转录组测序，同时整合已发表的6例癌旁样本(nLung)和9例进展性肺腺癌样本(mLUAD)的数据，共获得

. | DM3Loc:基于多头自注意力机制的多标签mRNA亚细胞定位预测和分析

作者在这篇文章中提出了一种多头自注意力的方式DM3Loc用于多标签mRNA亚细胞定位预测。实验表明该模型优于现有其它模型。该模型具有分析RNA结合蛋白基序和mRNA关键信号进行亚细胞定位的解释能力。 此外作者分析证明了mRNA同种特异性亚细胞定位的观点和mRNA亚细胞定位的基因本体论的基因富集性研究。 ? 应用DML3Loc预测人类mRNA 3.3 映射注意力权重到编码 理论上，注意力权重沿着mRNA序列变化其对应于用于亚细胞定位的每个区域以此推断位置编码。 随后作者提出了通过在CNN上应用多头注意力机制的多标签mRNA亚细胞位置的深度学习模型DM3Loc， 通过实验表明，DM3Loc总的来说优于已有模型。 DM3Loc能够生成与RNA结合蛋白的现有基序匹配序列基序。在人类转录组的实验中发现了数百个同种特异性mRNA种亚细胞定位预测，从计算的角度支持了同种特异性mRNA亚细胞定位观点的存在。

Cell：对亚细胞蛋白质组进行全局表征，发现许多蛋白质是通过其空间分布的变化而非丰度变化来调节的

可以在免疫沉淀（IP）、连续溶解或生化分馏后进一步测量整个区室的蛋白质组成。 分馏可用于纯化特定细胞器以进行深入分析，或者使用蛋白质相关性分析来表征来自给定样品的所有细胞区室。 重新计算亚细胞图而不包括YWHAB和YWHAQ的免疫沉淀物表明，大多数14-3-3支架蛋白是胞质的（图S2E；表S3）。 我们的基于图的注释比所有其他研究都更清晰地分辨出了更多的亚细胞区室（图S3A，特别是在分泌、循环和无膜区室中），同时覆盖了更大的蛋白质组比例（图S3B和S3C）。 当我们使用一个仅限于每个亚细胞区室一个免疫沉淀的减少的免疫沉淀集合（共19个免疫沉淀）时，我们观察到聚类评分略有下降（图S3E和S3F），但仍高于其他方法。 Subcellular fractionation and whole cell extract preparation Para_01 为了粗略的细胞器亚分馏（"N/O/C"组分，参见正文和图1E），

【Nature Methods】 2016 最值得关注的 8 大技术

细胞核结构（Unraveling nuclear architecture） 我们需要新方法来支持高分辨率和高吞吐量地观察3D染色质结构的动态变化。 ? 但想要真正理解这个3D结构，它如何随时间演变，以及它对疾病的作用，还需要新方法。 由3C衍生出的技术通常依赖染色质相互作用位点的交联，还依赖在扩增和测序之前这些位点的连接反应。 蛋白定位亚细胞图谱（Subcellular maps） 系统绘制蛋白质在细胞中分布的方法也在不断发展。 ? 在早期的工作中，人们先进行细胞分馏，随后对蛋白质位置进行生化分析，这其中主要用了质谱方法（Cell 125，187-199，2006）。 在系统中使用Workhorse方法，如以抗体为基础的免疫组化方法，以产生亚细胞图谱。