Name: 专访:蛋白质折叠与神经退行性疾病的研究 (视频) | JoVE Journal
Uploaded: 2008-07-16T16:44:00.000+00:00
Duration: 19 min 50 s
Description: 了解蛋白质折叠机制及其与神经退行性疾病的关系，探索酵母、小鼠等模式生物中的遗传学研究方法。该研究有助于开发针对阿尔茨海默病、帕金森病等疾病的有效治疗策略。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

访谈：蛋白质折叠与神经退行性疾病研究

Interview: Protein Folding and Studies of Neurodegenerative Diseases

在这次访谈中，Lindquist 博士阐述了蛋白质折叠、朊病毒疾病与神经退行性疾病之间的关系。蛋白质折叠问题是现代生物学的核心。除了传统的生化功能外，蛋白质还能介导生物信息的传递，因此可被视为一种遗传物质。蛋白质这一新近发现的功能，对人类疾病的研究具有重要意义。Lindquist 博士还介绍了基于模式生物遗传学研究来探索神经退行性疾病机制的当前实验方法。

在这次访谈中，Lindquist 博士阐述了蛋白质折叠、朊病毒疾病与神经退行性疾病之间的关系。蛋白质折叠问题是现代生物学的核心。除了传统的生化功能外，蛋白质还能介导生物信息的传递，因此可被视为一种遗传物质。蛋白质这一新近发现的功能，对人类疾病的研究具有重要意义。Lindquist 博士还介绍了目前基于模式生物遗传学研究来探究神经退行性疾病机制的实验方法。

在这次访谈中，Lindquist 博士阐述了蛋白质折叠、朊病毒疾病与神经退行性疾病之间的关系。该问题的……

您能介绍一下自己吗？我是怀特黑德生物医学研究所的研究员，同时也是麻省理工学院的教授，以及霍华德·休斯医学研究所的研究员。今天，我将向大家介绍蛋白质折叠领域一些非常有趣的新进展。什么是蛋白质折叠问题？蛋白质折叠听起来似乎是一个相当深奥的课题，但实际上它在生物学中具有核心重要性。基本问题在于，编码我们自身、编码地球上每一种生物的线性信息是DNA，它是一长串代码，本身并不具备什么特别有趣的功能。它的作用是编码蛋白质，而从根本上说，蛋白质就是我们自身，我们都是由蛋白质构成的，我们所进行的几乎所有有趣的生命活动，主要都归因于蛋白质本身或其功能活动。但难点在于，蛋白质在最初从遗传信息（即DNA）解码时，结构极为复杂：它们最初以线性排列的氨基酸长链形式出现，即前多肽链，而这种形态本身并不具备任何功能。蛋白质必须以一种极其复杂、类似游戏的方式折叠，形成非常特定的结构才能发挥功能。而在细胞内这种极度拥挤的环境中实现这一过程实际上非常困难。因此，有许多人类疾病正是由蛋白质折叠异常所导致的。我的研究工作已从最初在试管中进行非常基础的生物学和生物化学实验，转向研究更复杂的与人类疾病相关的系统。早期工作旨在深入理解蛋白质折叠的基本原理、错误折叠的原因以及其中出现的问题；而现在的最终目标是希望能在疾病治疗方面有所突破。由蛋白质折叠问题引发的疾病有哪些？这类问题所导致的疾病范围极为广泛，包括囊性纤维化、阿尔茨海默病、肺气肿等各类疾病。越来越多的研究认识到，成人发病型糖尿病是由蛋白质折叠异常所导致的。许多癌症也源于蛋白质折叠问题，因为这类蛋白质可能发生突变。如果该蛋白质能够正确折叠，它就可能正常发挥功能，不会异常地向细胞发出持续生长的信号；然而，突变阻碍了其正确折叠，导致其活性无法被正常抑制或调控。蛋白质折叠在生物体进化方式中也起着重要作用，这意味着它也在药物耐药性等进化过程中发挥作用。因此，我们的研究涵盖范围非常广泛，涉及遗传学和生物化学，包括多种多样的生物体。我们研究酵母，研究果蝇，研究过小鼠，研究培养皿中的组织培养细胞，还研究过兔视网膜以及一种小型芥菜植物拟南芥。拟南芥是一种研究某些生物学问题的优良模型。朊病毒疾病的发生机制是什么？朊病毒是一种非常特殊的蛋白质折叠问题。最初，人们认为这只是蛋白质折叠中一种极为奇特和异常的现象。而现在我们逐渐认识到，这种情况可能要普遍得多。朊病毒之所以出名，至少在公众认知中，主要是因为它会导致一种被称为疯牛病的疾病，或在人类中引发所谓的雅各布病（雅-克病）。这种疾病有多种名称，但其根本原因是某种蛋白质发生错误折叠。这种蛋白质具有一种非常特殊的性质：当它发生错误折叠时，会诱导同类型的其他蛋白质以相同的方式发生错误折叠。因此，最终会引发一种构象上的连锁反应，导致一个又一个蛋白质相继发生构象改变。不知何故，我们至今仍不完全清楚其具体机制，但某种程度上，这一特定蛋白质的加工过程似乎存在问题。我认为部分原因在于该蛋白质未能高效地完成正确的折叠，而是滞留在某些具有毒性的中间状态，最终导致疾病的发生。而奇怪之处在于，这种蛋白质具有将自身不同的折叠构象持续传递给同类型其他蛋白质的能力，因而具有传染性。因此，在当时看来，朊病毒（prion）——一种蛋白质——能够引起传染性疾病的观点极为离奇。斯坦·普鲁西纳（Stan Prusiner）对此做出了杰出贡献，还有许多其他研究人员也参与其中，他们出色地开展了一系列研究工作，将一个曾被所有人认为是无稽之谈的假说，逐步证实为科学事实。一种蛋白质如何具有传染性呢？事实上，这其实非常简单：它是我们自身的一种蛋白质。它是我们神经细胞上的一种蛋白质，始终存在于我们的神经细胞上。正常情况下，这种蛋白质不会发生错误折叠。然而，当这种蛋白质发生错误折叠时，就会引发问题。这种情况偶尔可能纯粹由于偶然因素而发生，幸运的是这种概率相当低；也可能是因为摄入了被感染的肉类；还可能是因为该蛋白质发生了基因突变，使其更易从这种构象转变为另一种构象。但一旦该蛋白质出现并改变其构象，它便会持续不断地进一步改变细胞中的其他蛋白质，最终导致这种有毒的、有毒的级联反应和有毒物种的产生。同时，它还能有效地自我复制，因为最初你只是从极少量的这种折叠蛋白质开始。大部分朊病毒会迅速聚集在此折叠结构中，随后扩散至整个大脑，并改变所有蛋白质的折叠方式。这一过程会不断产生越来越多的传染性物质。因此，当神经元接触到这些来自不同来源的传染性物质时，就可能引发疾病。您能否解释一下蛋白质如何能够作为遗传物质？这实际上是一个非常有趣的现象，即蛋白质折叠会发生自我延续的改变。因为正如您所想象的，蛋白质在这两种不同的构象状态下会具有不同的功能。因此，如果一个细胞中的蛋白质处于这种状态，它将表现出一种特定的行为，具有一组特定的特征。而所有或大多数处于该状态的蛋白质将具有另一组不同的特征。结果发现，这种蛋白质可成为一种遗传物质。由于其功能的改变，这种蛋白质实际上能够导致细胞中出现一种可遗传的新性状。这种性状是可遗传的，因为当母细胞出芽并开始形成子细胞时，会将部分该蛋白质传递给子细胞。因此，当子代开始合成自身的蛋白质时，这些蛋白质不会折叠成原来的空间构象，而是会形成这种新的构象。这种状态会一代又一代地持续传递下去。这样一来，实际上就形成了一种遗传机制，能够将改变的性状，即改变的表型，遗传给后代。这是由于一种蛋白质的遗传导致其折叠方式发生改变，而细胞中的核酸完全没有发生变化。因此，它们彼此之间存在显著差异，正如朊病毒疾病是一类非常不同的疾病一样。这些遗传元件在PreOn方面是完全不同类型的遗传元件。您为何选择酵母作为研究神经退行性疾病的模式生物？因此，当开始利用酵母细胞研究这些与大脑相关的复杂蛋白质折叠问题时，我们意识到，将一些已知在人类多种神经退行性疾病中发生错误折叠的蛋白质导入酵母中，观察其错误折叠是否也会对酵母细胞造成影响，可能是一个合理的思路。现在我必须说，当我们最初决定开展这项工作时，许多人认为我们疯了，但事实证明，这种方法的效果相当不错。当然，其动机在于酵母细胞非常容易且廉价地培养。此外，从一百年前人类希望酿造出品质更优、更稳定的啤酒开始，遗传学家们便一直致力于酵母研究，在这百余年间，他们取得了一个又一个接踵而至的进展。因此，就遗传操作而言，我们现在可以在酵母中比在任何其他生物体中更快地完成各种实验。这简直令人惊叹。而且，酵母的优势在于，尽管听起来难以置信，但我们的细胞与酵母细胞非常相似。与细菌不同，它们具有膜结构，即我们细胞中存在的各种由膜包被的区室。它们具有由膜包被的细胞核，细胞内也含有由膜包被的囊泡。它们还具有内质网。它们通过一系列由膜包被的区室，将物质从内质网转运至细胞外进行分泌。这一过程的作用机制及其调控方式，在酵母细胞和人类细胞中实际上是基本相同的。因此，在酵母细胞和人类细胞的细胞生物学基础之间，存在大量我们称之为同源性（homology）的遗传学同源性。当然，我们意识到神经退行性疾病生物学中有些方面是我们永远无法触及的。但问题是，其中一些疾病是由蛋白质错误折叠引起的，而这是一个同样古老的难题。事实上，多年来我们已经知道，酵母细胞应对蛋白质折叠问题的方式与高等生物的机制非常相似。因此，我们考虑尝试将其中一些蛋白质进行研究。这些蛋白质会发生错误折叠，被神经生物学家所关注，其错误折叠或功能异常已知与疾病相关。或许可以将它们导入酵母中，从而更快地深入了解这些蛋白质为何具有毒性。为什么，为什么它们会突然引起毒性？如果该蛋白质执行的是神经特异性功能，并与其他神经特异性蛋白质相互作用从而导致毒性，那么我们将永远无法研究其需求。但在那些蛋白质执行着真正基础且基本的细胞生物学功能的情况下，我们应该能够在酵母中对其进行研究，然后迅速将从酵母细胞中获得的知识进行转化应用。接下来的关键思路是迅速行动，尽可能快地将研究成果应用于神经细胞，以检验你是否实际上在浪费时间，或者你是否确实获得了有用的知识。如何在酵母中应用高通量筛选？最近我们所做的工作，例如，就是利用已为酵母细胞开发的高通量筛选机制，这类操作在酵母中比在神经元中要容易得多。因此，我们能够获取酵母基因组中的每一个开放阅读框，并逐一检测每个基因是否会使细胞状况恶化或改善。这样，我们就可以在全基因组范围内筛选出能够修饰α-syn和Tau毒性的遗传修饰因子。随后，我们将从酵母中获得的这些基因，寻找其在人类中的同源基因。我们选取人类基因，然后将其导入其他模式系统中，这些系统含有神经元，实际上还含有帕金森病中特征性受损的特定类型神经元。帕金森病患者的这类神经元会生病并死亡，这种神经元被称为多巴胺能神经元。它们可释放一种特定的神经递质，称为多巴胺。长期以来，人们一直认为，要研究这种特定疾病，就必须在多巴胺能神经元中进行研究，而不能从酵母开始研究。我们想到，也许细胞生物学的某些普遍方面出现了问题，而多巴胺能神经元可能只是对此更为敏感。这实际上是一个非常普遍且基础的细胞生物学过程。我们从酵母细胞中获取基因，然后与一些非常出色的合作者合作，开始研究和分析神经元系统。您能否进一步介绍一下在模式生物中的遗传学研究以及您的合作情况？因此，我们与Caldwell实验室合作。他们建立了一种帕金森病的小模型，使用一种小型线虫，即这种小蠕虫。在这种蠕虫的多巴胺能神经元中，他们表达了相同的蛋白质。线虫有八个多巴胺能神经元，而且总是有八个这样的神经元，除非其在表达一个核仁外基因。在这种情况下，许多动物无法正常发育，神经元数量也不正常。实际上，它们最初具有正常的八个神经元，但这些神经元会随着年龄增长而逐渐死亡。我们发现，最初在酵母中鉴定出的一个能强烈抑制毒性的基因，同样也能抑制α-Snu在该线虫中的毒性作用。随后，我们与拥有果蝇模型的南希·博尼尼合作，果蝇的神经系统相对更为复杂，研究难度稍高，但我们同样发现，该基因不仅能够挽救酵母细胞，还能挽救果蝇中的多巴胺能神经元。最后，我们与印第安纳州的 Chris Che 合作，他建立了一种针对多巴胺能神经元选择性毒性的模型，该模型涉及从大鼠中脑区域分离原代神经元。这些神经元包含多巴胺能神经元与其他类型神经元的混合物，他使用的是胚胎期大鼠。当他将细胞接种后，培养皿中大约有6%到7%的多巴胺能神经元。然后，他使用一种表达α-突触核蛋白的病毒，特别是含有已知会导致人类早发性帕金森病突变的病毒。因为该突变容易导致蛋白质功能异常和错误折叠。随后，他发现，如果用该病毒感染培养皿中的所有细胞，多巴胺能神经元对该病毒尤其敏感。我们还能够证明，如果在表达突变型α-核蛋白的同时，也表达我们最初在酵母中鉴定出的这个基因，便可抑制其毒性。这是我们获得的第一个重要成果。我们在酵母细胞中所进行的研究，实际上可以转化为神经元中有意义的发现。您是否进行过高通量化学筛选？我认为我们尚未开展过真正意义上的高通量化学筛选。目前，各大主要研究机构的化合物库中已收藏了大量具有潜在药物特性的化合物。哈佛大学拥有一套，隔壁的博德研究所（the broad）也拥有一套，这些库中包含了数十万种不同类型的化合物。借助简单的机器人技术，可以获取这些化合物中每一种的微量样品，并在相应的检测体系中进行测试，所用器皿即为具有大量微孔的培养板。因此，我们可以将酵母细胞接种到这些培养皿中，然后逐一测试这些化合物。在刚开始进行这项工作时，我们就能在短短几个月内筛选超过十万个化合物。然后，我们当然不得不花费大量时间反复进行测试，但最终筛选出大约七种化合物，这些化合物具有较好的功效。我们已对其中三种结构非常相似的化合物开展了大部分研究工作。因此，我们当时的目标是让细胞恢复生命活性。因此你激活了这个与神经退行性疾病相关的基因，它会导致细胞死亡。而我们却要求这些细胞重新恢复活力。我们之所以采用这种特定的检测方法，而不是例如观察α-突触核蛋白的折叠情况，是因为这是一种非常复杂的疾病。即使在酵母中，遗传学也告诉我们这是一个非常、非常复杂的过程。许多不同的环节都出现了问题，并不只是单一因素的异常。因此，我们实际上并不知道应该从哪种蛋白质入手，才能找到药物的正确靶点。因此，我们决定让细胞告诉我们哪些化合物能够改善它们的状态。这也意味着该化合物必须能够进入细胞，同时还不能具有毒性，因为至少在酵母细胞中，它不应表现出普遍的毒性。目前，我们已将这些化合物用于之前提到的相同模型，即线虫以及培养的大鼠原代神经元。我们已经能够证明，我们的化合物可以挽救线虫，也可以挽救大鼠的原代神经元。这表明，我们在酵母中观察到的过程很好地模拟了神经元中发生的某些毒性作用，至少部分毒性作用得到了模拟。我们已经开始学习并理解细胞核的功能，即参与蛋白质转运的过程——此前虽有一些线索提示这一点，但我们对此的阐明比以往任何时候都更加清晰。我们已经发现了很多其他基因，因此对这种复杂性有了一定了解。让我感到非常鼓舞的是，或许有可能找到一些化合物来纠正这些毒性。遗憾的是，在真正获得一种药物之前还有大量工作要做，但至少这可能是一种更快地识别出有益化合物的方法。最后，您想告诉我们些什么？这些是我实验室研究的一些蛋白质折叠问题。实际上，我们还研究了许多其他蛋白质折叠相关的问题。我们很早就进入了蛋白质折叠这一研究领域，当时这个领域看起来可能还比较狭窄，但后来发现它在细胞生物学中具有核心地位，因此我们最终拓展到了多个重要方向，例如蛋白质折叠在癌症生物学中的应激反应作用、生物体的进化方式以及药物耐药性的产生机制等众多与人类健康密切相关的生物学领域。因此，希望借助简单的系统，我们的总体思路是尝试找到最简单的切入点，然后逐步扩展到更复杂的系统。一旦有所发现，一旦掌握了某些规律，便可进一步推进。

interview-protein-folding-and-studies-of-neurodegenerative-diseases

Research

科研

JoVE Journal

Biology

生物学

专访：蛋白质折叠与神经退行性疾病的研究

细胞存活能力依赖于对蛋白质错误折叠的及时且高效管理。本文介绍一种用于观察错误折叠蛋白质不同命运的方法：重折叠、降解或在包涵体中被隔离。我们展示了利用折叠传感器Ubc9ts，结合4D显微镜技术，在活细胞中监测蛋白质稳态及聚集质量控制的过程。...

活细胞中蛋白质聚集的4D成像

酵母蛋白病变模型是评估与疾病相关的蛋白质毒性和聚集性的有力工具。本文介绍了筛选Hsp104变体文库中毒性抑制因子的方法。该方案可适用于在酵母中具有毒性的任何蛋白质，用于筛选任意蛋白文库中的毒性抑制因子。...

利用酵母蛋白病变模型分离增强型Hsp104变体

本报告介绍了通过蛋白质印迹法或基于荧光的检测方法来测定错误折叠蛋白质降解速率的实验方案。这些方法可应用于其他错误折叠蛋白质的分析，以及高通量筛选。...

细胞中错误折叠蛋白质降解的检测方法

雷诺丁受体的寡聚化，一种介导Ca²⁺释放的同源四聚体离子通道2+ 来自细胞内储存的释放，对骨骼肌和心肌收缩至关重要。本文中，我们介绍互补的 体内 和 体外...

遗传学与生物化学方法 体内 和 体外 蛋白质寡聚化的评估：以兰尼碱受体为例

本文描述了一种从人类尸检脑组织中富集去垢剂不溶性蛋白聚集体的简化分级分离方案。...

从人死后脑组织中富集去污剂不溶性蛋白聚集体

蛋白质聚集会引发细胞氧化应激。本方案描述了一种利用流式细胞术监测淀粉样蛋白及其相关氧化应激状态的细胞内状态的方法。该方法用于研究可溶性及易聚集型淀粉样β肽的行为特征。...

评估蛋白质聚集对酵母细胞氧化应激的影响

本方案概述了在酿酒酵母（Saccharomyces cerevisiae）模型中，针对与肌萎缩侧索硬化症（ALS）和帕金森病相关蛋白过表达所引发的组蛋白翻译后修饰（PTM）全基因组水平变化的表征实验流程。经SDS-PAGE分离后，通过特异性识别修饰位点的抗体，利用蛋白质印迹法（Western...

表征酵母神经退行性蛋白病模型中的组蛋白翻译后修饰变化

我们描述了红外纳米光谱学和高分辨率原子力显微镜在可视化蛋白质自组装形成寡聚体聚集体和淀粉样纤维过程中的应用，该过程与多种人类神经退行性疾病的发病和发展密切相关。...

利用红外纳米光谱与原子力显微镜表征单个蛋白质聚集体

蛋白质稳态的衰退是衰老的一个标志，会促进神经退行性疾病的发生。我们提出了一种实验方案，通过异源表达与荧光报告蛋白融合的多聚谷氨酰胺重复序列，定量测量两种不同组织中秀丽隐杆线虫（Caenorhabditis...

量化组织特异性蛋白质稳态衰退在 Caenorhabditis elegans 中的变化

本文介绍了一种用于分析线虫Caenorhabditis...

监测蛋白质聚集动力学 在体 内 使用自动包涵体计数在 秀丽隐杆线虫

这种结合质谱法蛋白质组学分析的生化纯化方法有助于对淀粉样纤维核心进行稳健表征，可能加速阿尔茨海默病防治靶点的发现。...

脑源性淀粉样纤维核心的生化纯化与蛋白质组学表征

了解蛋白质折叠机制及其与神经退行性疾病的关系，探索酵母、小鼠等模式生物中的遗传学研究方法。该研究有助于开发针对阿尔茨海默病、帕金森病等疾病的有效治疗策略。

访谈：蛋白质折叠与神经退行性疾病研究

探索更多视频