构建可解释深度学习框架
从头预测E3-底物相互作用及结合界面。
利用GARD指标筛选界面区域,结合ESM2编码、截断Transformer和GAT,通过点积解码器生成界面图。
Interpretable deep learning framework for mapping E3-substrate binding interfaces.
含计算模型预测、多组学队列分析及Co-IP、泛素化、免疫印迹、Transwell等体外功能与机制验证
HEK293T细胞系 DU145细胞系 HN30细胞系 CPTAC泛癌肿瘤样本多组学数据
重点验证SPOP F102C突变降低SPOP-EGR1结合及EGR1泛素化 JunB 241-EEPQTVP-247缺失导致COP1结合丧失及泛素化降低 JunB Q244E突变破坏COP1结合并降低COP1介导的泛素化 Transwell迁移实验中JunB Q244E较野生型促迁移更强,n=4 SPOP F102C与EGR1 475-481缺失验证结合位点
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
从头预测E3-底物相互作用及结合界面。
利用GARD指标筛选界面区域,结合ESM2编码、截断Transformer和GAT,通过点积解码器生成界面图。
提升对不同数据量E3的泛化与适应能力。
采用改进MAML元学习,再按Common、Few、Rare三类进行E3特异性迁移学习。
验证相互作用与界面预测准确性。
在Common、Few、Rare金标准数据集上比较多种基线方法和界面预测方法。
在蛋白质组规模生成相互作用与界面注释资源。
扫描八个物种,生成68,056个相互作用,并进行GO和PPI网络相似性分析。
识别破坏蛋白质稳态或重连相互作用网络的突变。
分析CPTAC和TCGA数据,结合mRNA-蛋白回归和DepMap依赖性筛选。
验证预测的E3-底物相互作用和界面突变功能后果。
使用Co-IP、体内泛素化、免疫印迹和Transwell迁移实验验证JunB Q244E和SPOP F102C。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | DMEM培养基 | YEASEN | 41401ES7 |
| 胎牛血清 | Vazyme | F101-02 | |
| 青霉素/链霉素 | Cell world | C0160-611 | |
| 细胞转染 | Lipofectamine 2000转染试剂 | Invitrogen | 11668019 |
| 细胞裂解 | 蛋白酶抑制剂混合物 | MCE | HYK0010 |
| 磷酸酶抑制剂 | Solarbio | P1260 | |
| 免疫共沉淀 | 抗Flag抗体 | MBL | M185-3L |
| 抗Myc抗体 | MBL | M192-3 | |
| Protein A/G琼脂糖珠 | Santa Cruz | sc-2003 | |
| 免疫印迹 | 硝酸纤维素膜 | Merck Millipore | -- |
| Flag-HRP抗体 | MCE | F1105 | |
| α-tubulin抗体 | Proteintech | 66031-1-Ig | |
| GAPDH抗体 | Abclonal | A19056 | |
| β-actin抗体 | Abclonal | AC028 | |
| 泛素抗体 | MBL | D058-3 | |
| COP1抗体 | ABclonal | A22106 | |
| SPOP抗体 | Proteintech | 16750-1-AP | |
| Western Bright ECL化学发光检测试剂 | Thermo Fisher Scientific | -- | |
| 体内泛素化实验 | MG132 | MCE | HY-13259 |
| 细胞迁移实验 | 8 μm孔径聚对苯二甲酸乙二醇酯膜Transwell小室 | Corning | 3422 |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 模型训练与E3分类 | E3按底物数分类标准:Common>4,Few 2-4,Rare单底物;元学习episode数10000,每episode任务数10,每任务样本6(2正4负) 阅读提示:Methods中'MetaESI learning setting'及Fig.1c、1d、1e图注 |
| 界面预测评估 | 金标准正负数据集构建及EMD评估;负样本需E3中心和底物中心平衡采样,GSP:GSN为1:2 阅读提示:Methods中'Gold standard negative dataset construction'及'Evaluation of E3–substrate interface prediction performance',Supplementary Fig.7 |
| Atlas构建 | 高置信相互作用评分阈值0.749,精度>0.72;界面残基取top20 E3和top10底物,τ=0.1 阅读提示:Methods中'E3–substrate interaction and binding interface prediction',Eq.17-19 |
| 致癌突变筛选 | CPTAC样本过滤条件(排除突变、CNA≥2、上游E3改变),样本量>10,相关系数>0.3,BH校正P<0.01 阅读提示:Methods中'Identifying oncogenic substrate-interface mutations'及Fig.4a、4b图注 |
| 细胞与功能实验 | HEK293T、DU145、HN30来源;转染48 h;MG132 20 µM 8 h;Transwell 2×10^5细胞/室、12或36 h;独立重复三次,Transwell n=4 阅读提示:Methods中'Plasmids and cell culture'、'In vivo ubiquitination assay'、'Cell migration assay'及Fig.4、Fig.5图注 |