Dogecoin - An open-source peer-to-peer digital currency (访问: hash.cyou 领取999USDT）

　　真核细胞由细胞器等大组件组成，而细胞器又可分解成冷凝物和蛋白质复合体等小组件，形成复杂的多尺度结构。绘制亚细胞结构的基本技术有蛋白质成像和生物物理关联，且每一种都实现了自动化。尤其是共聚焦显微镜和免疫荧光技术的进步，使得扫描单个细胞内原位蛋白质的分布成为可能。通过将这些技术与抗体库相结合，人类蛋白图谱(Human Protein Atlas, HPA)已经开始系统地将人类蛋白质研究定位于亚细胞区室。作为一种并行的细胞定位方法，质谱(MS)与亲和纯化(AP-MS)和邻近依赖标记强有力地结合在一起，使蛋白-蛋白相互作用的快速测量成为可能。利用AP-MS, BioPlex项目正在为大多数人类蛋白质生成全面的相互作用图谱。

　　本文中，来自瑞典斯德哥尔摩皇家理工学院及美国斯坦福大学的Emma Lundberg和美国加州大学圣地亚哥分校的Trey Ideker等人演示了一种机器学习方法，将蛋白成像和生物物理关联集成在一起，以创建亚细胞组件的统一图谱(图1)。首先，研究者使用神经网络在成像或生物物理关联的基础上，将蛋白质投射到低维度。一旦确定了每个平台的蛋白质坐标后就对蛋白间的两两距离进行校准和组合，以显示不同尺度下(从小于50 nm到大于1 μ m)的蛋白质组合。相关的研究成果以“A multi-scale map of cell structure fusing protein images and interactions”为题发布在国际顶级期刊Nature上。

　　MuSIC系统的物理尺寸是根据它们的配对蛋白质距离估算的(图2)，并与9个先前未在校准中使用的特征良好的细胞组分的已知直径进行了比较(图3b)。其中一个组分是催化剪接体，免疫荧光和AP-MS数据支持(图3c-f)诱导的蛋白群落为48 nm(95%预测区间[26,90])，与其公布的直径42 nm(图3a, g)一致。在该群落内，分析解决了较小的U1和U2子单元(U1: 8 nm, 95%预测区间[4,15]；U2: 33 nm, 95%预测区间[17,61])，同样与低温电子显微镜测量的排列和距离一致(图3g)。对于所有9个组件，估计的直径与文献中的实际测量值非常接近(图3b)，验证了MuSIC可以捕获和测量大尺度生物系统。

　　研究者发现，大多数系统对数据的轻微破坏都是健壮的(图4a，刀切重采样)。相比之下，仅使用一种数据类型构建的替代MuSIC图谱则会丢弃许多系统。免疫荧光图谱倾向于识别大型系统，如细胞器；但对小的亚组分，如蛋白质复合体则不确定，AP-MS图谱的行为则刚好相反(图4b-d)。值得注意的是，30%的AP-MS相互作用发生在少于100个蛋白质的集中系统中(图4e)，这验证并提供了相互作用的位置背景。这样的环境也增加了相互作用检测的敏感性：集中于之前BioPlex研究中没有报道过相互作用的蛋白质对，尽管如此，小系统中的蛋白质对比大系统中的蛋白质对有更强的AP-MS评分(P  0.0001；图4f)，表明了新的真实的物理交互作用。

　　通过附加AP-MS数据验证的候选蛋白中，有7个蛋白组装，直径估计为81 nm(95%预测区间[43,151])。基于已建立的两个蛋白(NVL, RPL13A)的pre-rRNA作用、遗传筛选(KRI1, NOC2L)的支持以及酵母中的pre-rRNA因子(REXO4)的同源性，研究者初步将该系统命名为pre-核糖体RNA处理组装(PRRPA)。这些蛋白质由于图像相似、核仁定位和AP-MS网络邻域相似而形成一个系统(图5b, c)。通过针对5种PRRPA蛋白的新的亲和纯化，恢复了高度特定于该系统的相互作用伙伴(图5c)。然后，研究者使用RNA免疫沉淀和定量PCR (RIP-qPCR)时，发现这些蛋白质结合了45S pre-rRNA，再次表明pre-rRNA的处理作用(图5d)。