细胞之间的观察

Rhobo6, a light microscopy probe, gives scientists an unprecedented look at the extracellular matrix -- the collection of organized molecular structures that fills the spaces between cells in our bodies. Before arriving at Janelia three years ago, Postdoctoral Scientist Antonio Fiore was designing and building optical instruments like microscopes and spectrometers. Fiore, a physicist by
Home健康细菌、大脑和糖:科学家发现新的联系

细菌、大脑和糖:科学家发现新的联系

利用一种新方法研究碳水化合物如何修饰蛋白质,科学家发现肠道细菌可以改变大脑中的分子特征。

我们的肠道中居住着数万亿个细菌,过去几十年的研究已经确立了它们在我们生理学中的重要性——在健康和疾病中。来自EMBL海德堡研究团队的新研究表明,肠道细菌可以在我们最关键的器官之一——大脑中引发深刻的分子变化。

这项发表在《自然结构与分子生物学》期刊上的新研究是首个显示居住在肠道中的细菌可以影响大脑中蛋白质被碳水化合物修饰方式的研究——这一过程称为糖基化。该研究得益于科学家们开发的一种新方法——DQGlyco——该方法使他们能够以前所未有的规模和分辨率研究糖基化。

一种测量糖基化的新方法

蛋白质是我们细胞的劳动者,也是其主要构建块。另一方面,糖或碳水化合物则是身体的主要能量来源之一。然而,细胞也利用糖以化学方式修饰蛋白质,改变其功能。这被称为糖基化。

研究的第一作者、Savitski团队研究科学家Clément Potel解释说:“糖基化可以影响细胞彼此之间的附着(粘附)、运动(运动性),甚至如何相互沟通(通信)。”他说:“它参与多种疾病的发病机制,包括癌症和神经系统疾病。”

然而,糖基化传统上一直被认为是极其困难的研究对象。细胞中只有一小部分蛋白质是糖基化的,而在样本中浓缩足够多的糖基化蛋白质(这一过程称为“富集”)往往需要繁琐、昂贵和耗时的过程。

EMBL海德堡的团队负责人、高级科学家、蛋白质组学核心设施负责人Mikhail Savitski表示:“到目前为止,以系统化的、定量的方式进行这样的研究,并具有高度的可重复性是不可能的。”他说:“这些就是我们借助新方法克服的挑战。”

DQGlyco使用易得且低成本的实验室材料,如功能化二氧化硅珠,从生物样本中选择性富集糖基化蛋白质,然后可以对其进行精确鉴定和测量。将该方法应用于小鼠的脑组织样本,研究人员可以鉴定出超过150,000种糖基化形式的蛋白质(“蛋白质形式”),与之前的研究相比增加了超过25倍。

新方法的定量特性意味着研究人员可以比较和测量来自不同组织、细胞系、物种等样本之间的差异。这还使他们能够研究“微异质性”的模式——即同一蛋白质的同一部分可以被许多(有时数百个)不同的糖基团修饰的现象。

微异质性的最常见例子之一是人类血型,其中红血球中蛋白质上的不同糖基团的存在决定了血型(A、B、O和AB)。这在决定某个个体向另一个个体输血的成功与否中起着重要作用。

新方法使团队能够识别出数百个蛋白质位点的微异质性。“我认为微异质性的广泛存在是人们一直假设的,但从未得到明确的证明,因为你需要对糖基化蛋白质有足够的覆盖才能做出这样的表述,”本研究的另一位第一作者、Savitski团队的博士生Mira Burtscher说。

从肠道到大脑

鉴于该方法的精准性和强大,研究人员决定利用它来解决一个悬而未决的生物学问题。在与EMBL的Michael Zimmermann团队的合作中,他们接下来测试了肠道微生物组是否对他们在大脑中观察到的糖基化特征有任何影响。Zimmermann和Savitski都属于EMBL微生物生态系统交叉主题,该主题是2022-26 EMPL计划“从分子到生态系统”引入的。

Potel表示:“众所周知,肠道微生物组可以影响神经功能,但其分子细节仍然大多未知。”他说:“糖基化参与了许多过程,例如神经递质传递和轴突引导,因此我们想测试肠道细菌是否通过这种机制影响大脑中的分子通路。”

有趣的是,团队发现,与“无菌小鼠”(即在无菌环境中生长,因此在其身体内外完全缺乏微生物的小鼠)相比,定居不同肠道细菌的小鼠在大脑中的糖基化模式有所不同。这些变化的模式在已知对于神经功能如认知处理和轴突生长非常重要的蛋白质中尤为明显。

该研究的数据集通过一个新的专用应用程序向其他研究人员开放。此外,团队还对这些数据是否可以用于预测糖基化位点感到好奇,特别是在不同物种中。为此,他们使用了机器学习方法,如AlphaFold——这一基于人工智能的预测蛋白质结构的工具获得了2024年诺贝尔化学奖。

Savitski和Saez-Rodriguez团队的博士后Martin Garrido表示:“通过在小鼠数据上训练模型,我们可以开始预测人类的糖基化位点的变异性。”他说:“这对研究其他生物体的人来说可能非常有用,帮助他们识别其感兴趣的蛋白质中的糖基化位点。”

研究人员还致力于将新方法应用于回答更基本的生物学问题,并理解糖基化在细胞中的功能作用。