发布时间:2019-09-11 09:46 原文链接: AACTvs.SILAC:技术原创之争

  从原创文献追溯,AACT/SILAC技术的原创者应该是陈先教授(Xian Chen, Department of Biochemistry and Biophysics, University of North Carolina at Chapel Hill)。2000年,陈先教授在《Analytical Chemistry》发表了利用稳定同位素标记的氨基酸标记细胞(E.Coli),并利用质谱实现对蛋白质的相对定量的原创文献(Anal Chem 2000, 72(6):1134-1143)。遗憾的是,文章中没有给出一个正式的命名,也没有申请ZL。直到2006年才申请ZL(Amino Acid-coded Mass Tagging for proteomics (2006) US patent No.7,125,685),技术命名为AACT(Amino Acid-coded Mass Tagging)。陈先教授是2003年“长江学者”,复旦大学的讲座教授。其研究团队是国内最早开展利用AACT/SILAC技术解析生物学问题的课题组,研究方向集中在免疫和肿瘤的细胞蛋白质差异组、蛋白质相互作用、蛋白质翻译后修饰等方面。

  2002年,Matthias Mann在《Molecular & Cellular Proteomics》发表了文章(Mol Cell Proteomics 2002, 1(5):376-386),利用稳定同位素标记的氨基酸培养哺乳动物细胞,并利用质谱完成对蛋白质的相对定量。该文章给出一个响亮的命名—SILAC(Stable Isotope Labeling with Amino acids in Cell culture)。尽管AACT和SILAC所用的材料对象不同,但其技术原理是完全一样的。

  从发表文章的时间上看,Xian Chen要比Matthias Mann早2年!当然,Matthias Mann的技术团队非常厉害,在几年时间内,其利用SILAC技术发表了几百篇文章,覆盖了从顶级的CNS(Cell、Nature、Science)到影响因子2-3分的学术杂志,使得SILAC的名称被学术圈广泛接受。

  与其他体外(in vitro)蛋白质/肽段标记技术相比,AACT/SILAC是一种体内(in vivo)蛋白质代谢标记技术,其显著的优势体现在:(1)从实验的最源头引入了质量标签(Mass tag),系统误差小,定量准确度极高。(2)后续样品制备流程更为简单。(3)SILAC技术同样可以扩展运用到模式生物(SILAM:小鼠、果蝇、线虫、大肠杆菌等)和人体组织样品上(super-SILAC)。(4)将SILAC技术和IP-MS结合,通过MS定量,能直接将特异性相互作用蛋白从众多的非特异性背景蛋白中区分出来,从而快速锁定互作目标,显著提供后续IP-WB验证的成功率。(5)将SILAC技术和IP、pull-down等方法结合,高通量定量分析蛋白质与DNA的互作、蛋白质与RNA的互作以及蛋白质翻译后修饰等分析。

   上海普赛生物科技有限公司的创始人之一—唐思伟博士,师从陈先教授,利用AACT/SILAC技术进行蛋白质互作、翻译后修饰、细胞差异组等研究内容。因此,普赛生物在SILAC技术及其运用中具有深厚的技术和学术积累,是业内真正权威的SILAC技术服务商。

  AACT原创文献:

  Chen X, Smith LM, Bradbury EM: Site-specific mass tagging with stable isotopes in proteins for accurate and efficient protein identification. Anal Chem 2000, 72(6):1134-1143.

  Xian Chen lab:

  http://www.med.unc.edu/biochem/chenlab/chens-biography

  SILAC原创文献:

  Ong SE, Blagoev B, Kratchmarova I, Kristensen DB, Steen H, Pandey A, Mann M*: Stable isotope labeling by amino acids in cell culture, SILAC, as a simple and accurate approach to expression proteomics. Mol Cell Proteomics 2002, 1(5):376-386.

  Matthias Mann Lab:

  http://www.biochem.mpg.de/en/rd/mann

相关文章

2024年诺贝尔化学奖评选结果揭晓!

北京时间10月9日下午5点45分许,2024年诺贝尔化学奖揭晓。美国科学家DavidBaker获奖,以表彰其在计算蛋白质设计方面的贡献;另一半则共同授予英国科学家DemisHassabis和JohnM......

基因突变影响蛋白质稳定性有新解

科技日报北京9月27日电(记者张佳欣)25日发表在《自然》杂志的一项研究称,西班牙基因组调控中心和英国威康桑格研究所的研究人员发现,基因突变对蛋白质稳定性的影响遵循着极其简单的规律。这一发现对加速开发......

化学所在时空特异性蛋白质递送及基因编辑研究方面获进展

蛋白质是生命体内最重要的生物大分子之一,在生命活动过程中执行着多种关键功能。利用外源性获取的蛋白质,可以在细胞及体内实现生物大分子的化学标记与功能调控,进而应用于生命机制的解析研究及疾病的靶向治疗。然......

针对治疗蛋白质的完整性水平进行峰检测的深度学习框架

最近,印度理工学院(位于德里)化学工程系进行了一项研究,使用液相色谱-质谱联用技术(LC–MS)来区分单克隆抗体(mAb)中的异变体(糖型),能够对其进行表征,揭示了在完整水平上可辨识的峰。尽管商业软......

影响运动欲望的“分子开关”发现

运动有益健康,但人们并非总是想去锻炼,这究竟受到什么影响?西班牙国家癌症研究中心萨比奥研究团队发现了与身体运动有关的3种蛋白质,这些蛋白质可能是激活运动欲望的“开关”。相关论文发表在最新一期《科学进展......

藻类毒素中发现最大蛋白质

科技日报讯(记者张佳欣)据新一期《科学》杂志报道,美国加州大学圣迭戈分校科学家发现了生物界迄今最大的蛋白质,比此前已知的最大蛋白质——人类肌联蛋白还要大约25%。研究人员表示,这是蛋白质界的“珠穆朗玛......

预测蛋白质序列的新AI模型问世

瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能(AI)驱动模型。该模型可以根据不同分子环境所施加限制的主链支架预测蛋白质序列,有望在蛋白质工程及包括医学和生物技术在内的多个领域带来......

预测蛋白质序列的新AI模型问世

使用CARBonAra进行序列预测(示意图)。图片来源:瑞士洛桑联邦理工学院科技日报北京8月8日电(记者张佳欣)瑞士洛桑联邦理工学院开发了一种名为CARBonAra的新型人工智能(AI)驱动模型。该模......

新品上市|AndromedaX全新蛋白质表达和功能快速筛选系统

当您从事抗原生产酶促蛋白优化小分子药物靶蛋白表达重组膜蛋白重组蛋白研发和生产是否有如下困扰常规技术手段太过繁杂,耗时耗力?蛋白表达水虽然高,但无法同时监测其构象稳定性信息?无法使用粗裂解液进行快速筛选......

世界首次人工合成蛋白质——牛胰岛素攻关记

1965年9月17日清晨,杜雨苍从实验室走了出来,即将宣布一项极重要的实验结果。在此之前,他刚刚完成了最后一个关键步骤,成败在此一举。这位中国科学院生物化学研究所(以下简称生化所,中国科学院分子细胞科......