3003必赢贵宾会登录网址-首页欢迎您

Nucleic Acids Research | 李婷婷课题组发布新版相分离蛋白数据库PhaSepDB

相分离(phase separation)指溶液中生物大分子(蛋白,DNA以及RNA等)在适当的温度、pH及盐浓度下,达到一定浓度后形成浓相和稀相(或者多相)的过程。近年的研究表明相分离是驱动细胞内无膜细胞器形成的重要机制之一,并且参与调控基因转录、信号传导、染色质组装和蛋白质降解等重要生物学过程。蛋白质是细胞内相分离液滴的主要组分之一,近几年来越来越多的蛋白被证明可发生相分离,其相分离过程的属性及调控也得到了深入研究。

近日,北京大学基础医学院医学生物信息学系李婷婷课题组在Nucleic Acids Research杂志上在线发表文章“PhaSepDB in 2022: annotating phase separation-related proteins with droplet states, co-phase separation partners, and other experimental information”,发布了新版相分离蛋白数据PhaSepDBhttp://db.phasep.pro/)。新数据库收录了截至2022/04/01的相分离蛋白研究,提供相分离液滴状态,相分离调控等注释信息。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,目前已构建相分离蛋白数据库PhaSepDB,相分离蛋白预测工具PhaSePred等。相关网站(http://lab.phasep.pro/)全球拥有四万多用户,日均访问量两千余次,PhaSepDB也授权给相分离领域领先的制药公司Dewpoint therapeutics用于支持相分离相关药物研发,推动相分离在医疗健康领域的应用,服务全球健康。

2ec5b8a4e0a34d78a43144590e09889d.jpg

该工作中,作者首先对第一版数据库[1]中的数据进行复查并添加新注释。之后,作者在PuBMed检索得到18122019/07/01(第一版收录截止日期)至2022/04/01发表的相分离蛋白相关论文,从其中手动收集并注释新的相分离蛋白实验。目前,PhaSepDB共收录1419个相分离实验条目(共868个蛋白)。作者将相分离条目分为两类,PS-self:蛋白可以在体外独自发生相分离;PS-other:蛋白依赖互作partner才能体外相分离和/或仅有体内相分离实验依据。

58421a8a37694e1c97fd5d3fb2d36b4d.jpg


表1  PhaSepDB v1.0、v2.0(发布于2021年)和v2.1中的数据集概述

新版数据库对相分离蛋白实验条目提供了详细注释(表1),包括:

1. 相分离蛋白形成凝聚体的物质状态:液态、胶固态;

2. 原文中描述蛋白在不同实验条件下是否发生相分离的diagram;

3. 蛋白相分离验证实验:体内外液滴形成实验及FRAP实验;

4. 蛋白发生相分离的片段,及其中关键结构域;

5. 调控蛋白相分离行为的partner:包括蛋白,RNADNA等;

6. 影响蛋白相分离的突变,翻译后修饰,寡聚,重复,可变剪切。

除了通过实验验证的相分离蛋白,数据库中还包含大量无膜细胞器定位蛋白。尽管无膜细胞器定位蛋白的相分离能力未被实验验证,但它们构成了一个可能发生相分离的蛋白集合,可供相分离研究人员进一步探索。目前数据库中包含770个低通量无膜细胞器相关蛋白条目和7303个高通量条目。

fbbe98f55d304e508feb70810d4ee3e2.jpg

图1:PhaSepDB2.1数据库界面介绍

通过更新版相分离数据库(图1),用户可以搜索目前已知的相分离蛋白以及可能发生相分离的无膜细胞器蛋白。基于这些数据,研究人员可以进一步研究相分离蛋白的性质,例如可以体外独自发生相分离蛋白的特性[2],形成液体和胶固体凝聚体蛋白的差异,影响蛋白质相分离能力的突变或翻译后修饰,以及介导蛋白相分离的关键区段和结构域等。

北京大学基础医学院医学生物信息学系李婷婷研究员为本文通讯作者,北京大学基础医学院博士生侯超、本科生王欣欣、北京大学第一医院博士生谢昊泰为本文共同第一作者。


原文链接: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkac783/6702591


1. You, K., et al., PhaSepDB: a database of liquid-liquid phase separation related proteins. Nucleic Acids Res, 2020. 48(D1): p. D354-D359.

2. Chen, Z., et al., Screening membraneless organelle participants with machine-learning models that integrate multimodal features. Proc Natl Acad Sci U S A, 2022. 119(24): p. e2115369119.


(北京大学基础医学院)