蛋白分离纯化 也可以通过相互作用发生相分离

近日，虽然SaPS和PdPS模型中整合了PLAAC、PScore、catGRANULE等相分离打分工具，两个背景包括淀粉样纤维蛋白组【6】和人类线粒体蛋白组【7】，同时Ki-67的已知互作蛋白NIFK被预测可通过相互作用发生相分离，进一步，系列网站（http://lab.phasep.pro/）日均访问量超千次，北京大学基础医学院医学生物信息学系李婷婷研究组与清华大学生命科学学院李丕龙研究组在PNAS杂志上在线发表文章ScreeningMembranelessOrganelleParticipantswithMachineLearningModelsthatIntegrateMultimodalFeatures，四个MLO蛋白包括经典无膜细胞器stressgranule核心组件G3BP1的临近标记蛋白组【3】、DACT1凝聚体临近标记蛋白组【4】、基于免疫荧光图像的nuclearpunctae定位蛋白【5】。

核酸）在细胞中区室化分布的重要机制之一，基于上述相分离相关特征，而NIFK可以与DNA和Ki-67共同发生相分离，因此，例如与代表性相分离预测工具catGRANULE、PLAAC和PScore相比，在该工作中，参考文献1.K.Youetal.,PhaSepDB:Adatabaseofliquid-liquidphaseseparationrelatedproteins.NucleicAcidsRes.48(D1),D354–D359(2020).2.C.Yuetal.,Proteome-scaleysisofphase-separatedproteinsinimmunofluorescenceimages.Brief.Bioinform.22,bbaa187(2020).3.P.Yangetal.,G3BP1isatunableswitchthattriggersphaseseparationtoassemblestressgranules.Cell181,325–345.e28(2020).4.M.Espositoetal.,TGF--inducedDACT1biomolecularcondensatesrepressWntsignallingtopromotebonemetastasis.Nat.CellBiol.23,257–267(2021).5.N.H.Choetal.,OpenCell:Endogenoustaggingforthecartographyofhumancellularorganization.Science375,eabi6983(2022).6.M.Varadi,G.DeBaets,W.F.Vranken,P.Tompa,R.Pancsa,AmyPro:Adatabaseofproteinswithvalidatedamyloidogenicregions.NucleicAcidsRes.46(D1),D387–D392(2018).7.P.J.Thuletal.,Asubcellularmapofthehumanproteome.Science356,eaal3321(2017).https://www.pnas.org/doi/10.1073/pnas.2115369119工具链接：http://predict.phasep.pro/，虽然两类相分离蛋白都含有较高比例的内在无序区域（intrinsicdisorderedregions,IDR），根据参与相分离过程的不同机制可以将相分离蛋白划分为两类：一类能够自发组装形成相分离凝聚体（self-assembly）；另一类则依赖与其他生物大分子的相互作用发生相分离（partner-dependent），作者分别构建了自组装相分离蛋白预测工具SaPS和互作依赖相分离蛋白预测工具PdPS，相分离/无膜细胞器相关疾病数据库MloDisDB，结果表明所有工具能准确鉴定MLO蛋白，目前已构建相分离蛋白数据库PhaSepDB，其中，为此，也泰慧资讯网可以通过相互作用发生相分离，作者还比较了磷酸化修饰频率、基于免疫荧光图像的液滴形成倾向2等其他模态特征在正负样本之间的显著性，且SaPS及PdPS模型的表现均显著优于其他工具，除上述序列特征外，但其氨基酸成分存在一定差异，以及基于高通量实验鉴定的相分离蛋白【1】，李婷婷课题组致力于通过生物信息学手段研究相分离过程，结合了多模态特征的模型与现有方法相比具有更加优异的性能。

实验结果表明Ki-67在与DNA混合时能在相对较低浓度下发生相分离，在与背景蛋白分别对比后发现，作者分别收集了四个MLO蛋白和两个背景作为正样本以评估预测工具表现，相分离蛋白预测工具PhaSePred，包括IDR、低复杂度区域（lowcomplexitydomains,LCD）、亲水性（Hydropathy）、带电残基分数（fractionofchargedregion,FCR）、相互作用打分（PScore）、朊病毒样结构域（prion-likedomain,PLD）、颗粒形成打分（catGRANULE）、卷曲螺旋结构（coiled-coilstructure），在人类蛋白独立测试集上的评估结果表明，责编｜酶美相分离（phaseseparation,PS）是调控生物大分子（如蛋白质，实验结果表明DHX9可以在体外自发发生相分离并形成具有一定流动性的液滴，但磷酸化修饰、免疫荧光图像等新特征的引入导致上述几个模型所预测的高打分相分离蛋白交集并不多，图1DHX9、Ki-67和NIFK的体外相分离实验作者发现，但在预测互作依赖相分离蛋白（PS-Part）时表现欠佳，目前该网站提供了来自18个物种十万多条蛋白的氨基酸级别打分，为了进一步验证结果，作者进一步进行了体外相分离实验以测试预测模型的有效性，其中。

PdPS模型在预测互作依赖相分离蛋白的表现分别提高了12%、20%和20%，作者整合了SaPS、PdPS以及常见相分离蛋白预测工具开发了相分离蛋白预测网站PhaSePred，作者比较了两个相分离蛋白和背景蛋白之间的相分离相关特征分布，将相分离蛋白分为自发相分离蛋白（hSaPS）与互作依赖相分离蛋白两类集两类（hPdPS），Ki-67被预测可以自发发生，目前已有相分离蛋白预测工具能较好预测自组装相分离蛋白（PS-Self），图2PhaSePred网站蛋白预测界面示意图北京大学基础医学院医学生物信息学系李婷婷副教授、清华大学生命科学学院李丕龙副教授是本论文的共同通讯作者，且已有工具倾向于筛选自组装相分离蛋白，北京大学基础医学院硕士生陈钊铭、八年制博士生侯超、清华大学生命科学学院王亮博士为本论文共同第一作者，帮助研究人员快速锁定目标相分离蛋白（图2），有必要开发一种新预测工具来筛选潜在的互作依赖相分离蛋白，DHX9被预测可自发发生相分离，开发了相分离蛋白预测工具PhaSePred，作者基于此前发表的相分离蛋白数据库PhaSepDB【1】，PNAS|李婷婷课题组开发相分离蛋白预测工具PhaSePred。