新技术规避蛋白多样性缺憾蛋白

　　

研究者发现，要想根据微阵列芯片数据建立起可靠的蛋白相互作用网络，有必要对每一阵列蛋白及其潜在的结合对象进行饱和结合曲线的测定。

科学家们一直想知道的是他们研究的蛋白和“谁”出去玩了。如果不知道一种蛋白在结合和反应对象方面的信息，科学家们就无法在一个更广的层面内为蛋白找到位置，也就无法全面理解它在细胞中发挥的角色。微阵列芯片技术尤其适合于在已知条件下分析大量蛋白相互作用的情况。但它同时也提出了这样的问题：所有的蛋白在同一芯片上的行为是否是相似的，或者说它们的不同特征歪曲了这些结果。

当美国哈佛大学的Gavin MacBeath研究小组建立一个有关表皮生长因子受体家族的定量的蛋白相互作用网络时，他们面对的就是这样的问题。他们在研究的过程中发现，利用在单一浓度下获得的阵列蛋白和结合探针数据，无法正确预测出某一相互作用来。相反，他们获得了每一对蛋白—探针组合的饱和结合曲线，然后把它们导入一个方程式中，该方程包含了饱和情况下的分裂常数和最大荧光值。这样以来，研究者就能够可靠地区分出各种亲合极限下的特异性相互作用和非特异性相互作用，而且还可以把这些数据组合起来，构建出一个定量的蛋白相互作用网络。

饱和结合曲线是建立一种可靠网络的唯一方法。为了深入研究这一结果，MacBeath研究小组进行了跟踪研究，有关结果近来发表在《美国化学会期刊》上。MacBeath这样解释该原理：“我们试图调查出蛋白多样性问题是多么得严重；'这些蛋白的行为方式真正如此不同么？’，如果真是这样的话，我们希望揭示出饱和结合曲线方法能解决这一问题。”

他们发现，在一个阵列芯片上即使是密切相关的蛋白，行为方式差异也非常之大。科学家们应用那些在溶液中具有相似结合行为的蛋白，然后应用相同的容量和浓度把它们进行排列。他们发现，不同蛋白之间结合行为的差异高达50倍。MacBeath很警觉，认为这些差异引起了二进制网络的错误。该二进制网络的绘制基础在于一种阵列蛋白是否在单一浓度下与一个探针结合起来了。他说：“对于进化是如何根据二进制网络的布局发挥作用的，人们一直想得出一个普适性的结论。导致蛋白连接性差异的原因，可能仅仅是因为一定的蛋白在试验情形下表现得很好，这就是为何人们看到了很多相互作用，而另一些蛋白表现得并不好，这就是为何人们观察到了更少的相互作用。”

MacBeath研究小组于是继续研究，试图确认在多种探针浓度下的测定和最终获得的结合曲线，是否反映了独立于阵列芯片差异之外的蛋白相互作用的定量信息。

MacBeath承认，这些测定是耗时的，但他随即指出，随后的定量网络不仅仅包含有比二进制网络更为丰富的信息——它们在各种亲合水平下包含有结合信息——而且它们也更为可靠，不会被高比率的假阴性和假阳性所困扰。鉴于对数据的需求量，这些定量相互作用网络所能描绘的蛋白数量就受到了一定的局限。根据MacBeath的研究经历，处理几百种相互作用是可行的。因此，MacBeath建议暂时应该把研究重点放在蛋白上，而不是基因组层面上；他建议说：“要减少数量，增加质量；那对大家来说更有价值!”

注：夏雨译自2006年12月号的《自然-方法学》，版权为英国NPG出版集团所有。