蛋白质组学/选择性剪接及其对蛋白质鉴定的影响
选择性剪接是指基因的初级转录本被重新排列以产生与初级转录本不同的蛋白质的过程。通过对外显子的操作，由 mRNA 生成的氨基酸序列受到影响，从而导致不同的蛋白质序列和蛋白质结构。[[1]] 这会对产生的蛋白质产生巨大的影响。选择性剪接已被观察到是一种机制，可以从单个基因产生组织特异性蛋白质。根据组织的不同，不同的组织可以从单个基因产生不同的蛋白质。这个过程可以看作是乘法过程，它增加了从单个基因产生的可能蛋白质的数量。
选择性剪接是生物体中蛋白质多样性的主要来源。据估计，人类基因组中至少 30% 的基因会发生选择性剪接，而且这个数字还在不断增加。最初人们认为，选择性剪接基因的数量仅占人类蛋白质的 5%。随着人类基因组的揭示，发现人类基因组包含不到 30,000 个基因。[[2]] 这可能解释了基因数量和蛋白质组之间巨大的差距。
有人提出，选择性剪接是真核生物中更高层次复杂性的来源。[[3]] 这种观点基于这样一种想法，即更复杂的生物体更频繁地选择性剪接它们的基因，以获得更多可能的 mRNA 序列。然而，证据表明，不同复杂程度的生物体之间选择性剪接的水平并不显著。这为相反的观点提供了证据。这项研究是使用 EST（表达序列标签 *链接到 EST 页面*）进行的。随着更多 EST 研究的开展，越来越明显的是，选择性剪接基因的数量比以前认为的要多。使用 BLAST 将 EST 与 mRNA 序列进行比较。
选择性剪接与多种疾病有关。一个在选择性剪接中起作用的疾病的例子是雷特综合征。这种疾病主要发生在女孩身上，其特征是神经元之间形成连接（即突触）存在问题。[[4]] 据信，MECP2 基因产生一种调节某些蛋白质选择性剪接的蛋白质。当这个基因被破坏时，通常会被 MECP2 剪接的其他基因的转录本不会被剪接，从而导致雷特综合征的表型。
剪接通过剪接体的机制进行。剪接体由许多蛋白质和 snRNA 成分组成。snRNA U1、U2、U3、U4、U5 和 U6。[[5]] 这些 snRNA 识别剪接位点，然后招募其他连接剪接位点的蛋白质。然后，这些剪接位点通过这些形成剪接体的蛋白质的相互作用被连接在一起。一旦剪接体形成，这些位点就会被切割以将正确的外显子（或内含子）连接在一起。
选择性剪接有 4 种常见类型，它们分别是：
- 选择性启动子选择：不同的剪接变体使用不同的启动子。这导致 mRNA 转录本的不同起始位置。
- 选择性切割/多聚腺苷酸化位点：根据对不同切割或多聚腺苷酸化位点的识别，不同的外显子被剪接，整个外显子可以被跳过。导致转录本 3’ 端的不同外显子。
- 内含子保留：内含子用作编码区。通常被认为是内含子的序列被保留在最终的转录本中，作为翻译的模板。
- 外显子盒：整个外显子可以在蛋白质中间被跳过，导致不同的转录本。
蛋白质是生物体中结构和功能的基本单位。因此，蛋白质组学领域在现代生物学研究中变得越来越重要。基因组革命最终导致了许多基因组的测序，产生了大量数据。蛋白质组学领域。[[6]] 不幸的是，蛋白质组学领域落后于基因组学，导致基因组信息与可观察表型之间脱节。最初，蛋白质和依赖蛋白质的途径是单独研究的。最近，对系统生物学的强调导致了这种方法的变化。整个细胞正在用高通量技术进行表征。
质谱法已成为蛋白质鉴定的金标准 ([[7]]) [[8]]。简而言之，蛋白质被分解成肽，通过多种方法之一悬浮到气相中，电离，然后通过检测器，检测器可以确定各种肽的质荷比。质谱法可以很容易地实现自动化，并与其他形式的蛋白质分离相结合，使其成为高通量分析的理想选择。此外，可以从单个来源一次识别数千种肽，这使得该技术比 Edman 降解等旧技术更适用于系统生物学。质谱法还可以用于识别使用其他技术（例如色谱法）分离的特定感兴趣的蛋白质。
质谱分析，甚至用埃德曼降解法进行鉴定，一个主要的缺点是蛋白质必须先被消化成肽段才能进行鉴定。通常为了用于鸟枪法测序 [[9]], 蛋白质会在任何形式的分离过程之前被消化。为了确认鉴定结果，会搜索蛋白质数据库，以将独特的肽段与完整的蛋白质进行匹配。这种过程因为由可变剪接产生的肽段之间存在大量的序列同源性而变得更加复杂。[[10]]. 这些蛋白质，虽然具有相似的初级结构，但可能具有非常不同的甚至拮抗的功能，因此从生物学的角度来看，它们的鉴定至关重要。更重要的是，发生的剪接变异程度还没有得到很好的表征，因此甚至不知道哪些蛋白质不能被明确地鉴定。这些问题可能在剪接变异被充分记录或能够被有效地计算预测之前一直存在。
分析剪接变异的努力
[edit | edit source]目前，体内分析是鉴定剪接变异最准确的方法，无论是转录水平还是在某些情况下，蛋白质水平。存在许多数据库记录了已知会发生剪接变异的蛋白质，包括剪接变异数据库 [[11]]. 和剪接变异及转录多样性数据库 [[12]]. 虽然这些都是很好的参考资料，但正如上面所讨论的，即使是真核生物中存在的剪接变异数量的估计也差异很大。因此，关于这些数据库的完整性信息非常少。
人们也已经采取了一些措施来计算预测剪接变异 [[13]]. 通常这些算法会将基因查找方法与实验数据结合起来。剪接位点被识别出来，并根据共识序列对效率进行评级。然后将序列与已知的表达序列标签进行匹配，以进行预测。BLAT、Spidey 和 SIM4 等工具可以适用于这些过程。大多数现代计算工具在将基因组数据与小而可变的剪接位点序列进行比较时都会遇到困难。假阳性和假阴性相当普遍 [[14]]). 仍在开发新的方法。
参考资料
[edit | edit source]1. Möröy 等人。剪接变异在体内的影响：小鼠模型指明方向。
http://www.rnajournal.org/cgi/content/full/13/8/1155 obtained in April, 2008
2. 替代 RNA 剪接。ExonHit Therapeutics。 http://www.exonhit.com/index.php?page=59. 于 2008 年 4 月获取 3. Brett, D 等人。可变剪接与基因组复杂性。
http://www.nature.com/ng/journal/v30/n1/abs/ng803.html;jsessionid=BF0AED8347574D063F5E347EC693AE83 obtained in April, 2008
4. 雷特综合征概况。美国国立神经疾病和中风研究所。
http://www.ninds.nih.gov/disorders/rett/detail_rett.htm#109713277 obtained in April, 2008
5. Cáceres, J 等人。可变剪接：多种控制机制及其在人类疾病中的作用。 http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6TCY-45FYM7X-F&_user=47004&_rdoc=1&_fmt=&_orig=search&_sort=d&view=c&_acct=C000005018&_version=1&_urlVersion=0&_userid=47004&md5=eea15989e03f8b963bdc33384a4ef93b. 于 2008 年 4 月获取 6. 从维基百科获取。 http://en.wikipedia.org/wiki/Image:AlternativeSplicing.png. 于 2008 年 4 月获取 7. 从维基百科获取。 http://en.wikipedia.org/wiki/Proteomics. 于 2008 年 4 月获取 8.