来自美国德州大学西南医学中心的Rama Ranganathan和他的同事研发了一种能全面分析单基因突变的高通量定量技术，这对于理解蛋白结构，以及蛋白工程应用具有重要意义。相关成果公布在Nature杂志上。
生物学的一个基本原则就是蛋白的氨基酸序列能特异性构成相应的三维结构，并行使生物化学功能，至少是在生理学方面。统计耦合分析 (Statistical coupling analysis，SCA)方法是根据进化守恒原理分析蛋白序列信息内容的一种定量方法，其基本原理在于蛋白残基之间的表观偶联模式，通过统计分析这些残基位置在同源序列家族中的协同进化，发现氨基酸之间的功能作用。
SCA的一个主要结论就是蛋白中大部分残基几乎都是各自独立演化的，不会受到结构环境的影响，不过有大约20%的氨基酸能与协同进化的氨基酸组成物理结构连续网络，称为protein sectors（蛋白区，生物通译）。但是蛋白也会受到来自进化过程本身动力学的影响，来容纳突变并适应蛋白区选择的改变。
为了能了解这些特性，在这篇文章中，研究人员研发了一种高通量的定量方法，可以全面分析单基因突变——每个位置会被其他氨基酸单独取代。基于一种PDZ结构域模型系统，研究人员发现蛋白区位置对突变具有功能敏感性，但非蛋白区位置则对这些替换容忍性更高。
研究人员还指出对于一种新结合特异性，能通过蛋白区残基的变化来适应，而且两个与配体结合位点相邻和远离的蛋白区突变结合在一起，就能开启PSD95针对一类开关配体的定量结合特异性。这些蛋白区中功能作用定位和适应性变化都对于了解蛋白，蛋白生物工程研究具有重要意义。
蛋白结构意义重大，蛋白质在发挥功能之前先要进行折叠。每种蛋白质都具有独特的特性和折叠构象。包括癌症在内的多种疾病都与蛋白质错误折叠或其他功能故障有关。近三十年来随着计算机科学发展成为越来越有力的工具，科学家开发了许多方法来预测特定氨基酸残基链的折叠方式及其对蛋白功能的影响。
例如近期研究人员还研发了一个称为DCA-fold（direct coupling analysis-fold）的方法，大大改进了目前的蛋白质预测技术。他们首先在编码蛋白质的基因组序列中寻找同时变化的位点，这种位点在序列中可能相距很远。这一步骤是基于在蛋白质进化史中的某一时刻，氨基酸相互接触并保持联系。
生物学进程中许多事件的决定是基于这种弱相互作用，这些弱相互作用会引起蛋白质构象改变，磷转移或者启动一系列级联信号传递。而目前的蛋白质预测方法还无法进行识别。研究人员深入分析了细菌基因组收集了15种蛋白模型，采用这些蛋白质约1000种编码序列，足以保证DCA-fold方法在统计学上精确性。（来源：生物通 万纹）
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
