蛋白質組學/選擇性剪接及其對蛋白質鑑定的影響
選擇性剪接是指基因的初級轉錄本被重新排列以產生與初級轉錄本不同的蛋白質的過程。透過對外顯子的操作，由 mRNA 生成的氨基酸序列受到影響，從而導致不同的蛋白質序列和蛋白質結構。[[1]] 這會對產生的蛋白質產生巨大的影響。選擇性剪接已被觀察到是一種機制，可以從單個基因產生組織特異性蛋白質。根據組織的不同，不同的組織可以從單個基因產生不同的蛋白質。這個過程可以看作是乘法過程，它增加了從單個基因產生的可能蛋白質的數量。
選擇性剪接是生物體中蛋白質多樣性的主要來源。據估計，人類基因組中至少 30% 的基因會發生選擇性剪接，而且這個數字還在不斷增加。最初人們認為，選擇性剪接基因的數量僅佔人類蛋白質的 5%。隨著人類基因組的揭示，發現人類基因組包含不到 30,000 個基因。[[2]] 這可能解釋了基因數量和蛋白質組之間巨大的差距。
有人提出，選擇性剪接是真核生物中更高層次複雜性的來源。[[3]] 這種觀點基於這樣一種想法，即更復雜的生物體更頻繁地選擇性剪接它們的基因，以獲得更多可能的 mRNA 序列。然而，證據表明，不同複雜程度的生物體之間選擇性剪接的水平並不顯著。這為相反的觀點提供了證據。這項研究是使用 EST（表達序列標籤 *連結到 EST 頁面*）進行的。隨著更多 EST 研究的開展，越來越明顯的是，選擇性剪接基因的數量比以前認為的要多。使用 BLAST 將 EST 與 mRNA 序列進行比較。
選擇性剪接與多種疾病有關。一個在選擇性剪接中起作用的疾病的例子是雷特綜合徵。這種疾病主要發生在女孩身上，其特徵是神經元之間形成連線（即突觸）存在問題。[[4]] 據信，MECP2 基因產生一種調節某些蛋白質選擇性剪接的蛋白質。當這個基因被破壞時，通常會被 MECP2 剪接的其他基因的轉錄本不會被剪接，從而導致雷特綜合徵的表型。
剪接透過剪接體的機制進行。剪接體由許多蛋白質和 snRNA 成分組成。snRNA U1、U2、U3、U4、U5 和 U6。[[5]] 這些 snRNA 識別剪接位點，然後招募其他連線剪接位點的蛋白質。然後，這些剪接位點透過這些形成剪接體的蛋白質的相互作用被連線在一起。一旦剪接體形成，這些位點就會被切割以將正確的外顯子（或內含子）連線在一起。
選擇性剪接有 4 種常見型別，它們分別是：
- 選擇性啟動子選擇：不同的剪接變體使用不同的啟動子。這導致 mRNA 轉錄本的不同起始位置。
- 選擇性切割/多聚腺苷酸化位點：根據對不同切割或多聚腺苷酸化位點的識別，不同的外顯子被剪接，整個外顯子可以被跳過。導致轉錄本 3’ 端的不同外顯子。
- 內含子保留：內含子用作編碼區。通常被認為是內含子的序列被保留在最終的轉錄本中，作為翻譯的模板。
- 外顯子盒：整個外顯子可以在蛋白質中間被跳過，導致不同的轉錄本。
蛋白質是生物體中結構和功能的基本單位。因此，蛋白質組學領域在現代生物學研究中變得越來越重要。基因組革命最終導致了許多基因組的測序，產生了大量資料。蛋白質組學領域。[[6]] 不幸的是，蛋白質組學領域落後於基因組學，導致基因組資訊與可觀察表型之間脫節。最初，蛋白質和依賴蛋白質的途徑是單獨研究的。最近，對系統生物學的強調導致了這種方法的變化。整個細胞正在用高通量技術進行表徵。
質譜法已成為蛋白質鑑定的金標準 ([[7]]) [[8]]。簡而言之，蛋白質被分解成肽，透過多種方法之一懸浮到氣相中，電離，然後透過檢測器，檢測器可以確定各種肽的質荷比。質譜法可以很容易地實現自動化，並與其他形式的蛋白質分離相結合，使其成為高通量分析的理想選擇。此外，可以從單個來源一次識別數千種肽，這使得該技術比 Edman 降解等舊技術更適用於系統生物學。質譜法還可以用於識別使用其他技術（例如色譜法）分離的特定感興趣的蛋白質。
質譜分析，甚至用埃德曼降解法進行鑑定，一個主要的缺點是蛋白質必須先被消化成肽段才能進行鑑定。通常為了用於鳥槍法測序 [[9]], 蛋白質會在任何形式的分離過程之前被消化。為了確認鑑定結果，會搜尋蛋白質資料庫，以將獨特的肽段與完整的蛋白質進行匹配。這種過程因為由可變剪接產生的肽段之間存在大量的序列同源性而變得更加複雜。[[10]]. 這些蛋白質，雖然具有相似的初級結構，但可能具有非常不同的甚至拮抗的功能，因此從生物學的角度來看，它們的鑑定至關重要。更重要的是，發生的剪接變異程度還沒有得到很好的表徵，因此甚至不知道哪些蛋白質不能被明確地鑑定。這些問題可能在剪接變異被充分記錄或能夠被有效地計算預測之前一直存在。
分析剪接變異的努力
[edit | edit source]目前，體內分析是鑑定剪接變異最準確的方法，無論是轉錄水平還是在某些情況下，蛋白質水平。存在許多資料庫記錄了已知會發生剪接變異的蛋白質，包括剪接變異資料庫 [[11]]. 和剪接變異及轉錄多樣性資料庫 [[12]]. 雖然這些都是很好的參考資料，但正如上面所討論的，即使是真核生物中存在的剪接變異數量的估計也差異很大。因此，關於這些資料庫的完整性資訊非常少。
人們也已經採取了一些措施來計算預測剪接變異 [[13]]. 通常這些演算法會將基因查詢方法與實驗資料結合起來。剪接位點被識別出來，並根據共識序列對效率進行評級。然後將序列與已知的表達序列標籤進行匹配，以進行預測。BLAT、Spidey 和 SIM4 等工具可以適用於這些過程。大多數現代計算工具在將基因組資料與小而可變的剪接位點序列進行比較時都會遇到困難。假陽性和假陰性相當普遍 [[14]]). 仍在開發新的方法。
參考資料
[edit | edit source]1. Möröy 等人。剪接變異在體內的影響：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. 於 2008 年 4 月獲取 3. Brett, D 等人。可變剪接與基因組複雜性。
http://www.nature.com/ng/journal/v30/n1/abs/ng803.html;jsessionid=BF0AED8347574D063F5E347EC693AE83 obtained in April, 2008
4. 雷特綜合徵概況。美國國立神經疾病和中風研究所。
http://www.ninds.nih.gov/disorders/rett/detail_rett.htm#109713277 obtained in April, 2008
5. Cáceres, J 等人。可變剪接：多種控制機制及其在人類疾病中的作用。 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. 於 2008 年 4 月獲取 6. 從維基百科獲取。 http://en.wikipedia.org/wiki/Image:AlternativeSplicing.png. 於 2008 年 4 月獲取 7. 從維基百科獲取。 http://en.wikipedia.org/wiki/Proteomics. 於 2008 年 4 月獲取 8.