《Nature | 从超分子凝胶中机械释放同源蛋白质》

  • 编译者: 李康音
  • 发布时间:2024-07-19
  • 2024年7月17日, 格拉斯哥大学等机构的研究人员在Nature发表了题为Mechanical release of homogenous proteins from supramolecular gels的文章。

    如何配制蛋白质和疫苗,使其在储存和运输过程中保持功能,并消除冷链管理的负担,是一项长期存在的挑战。任何解决方案都必须切实可行,使用与临床相关的触发器释放或应用蛋白质。先进的生物疗法是冷藏分发的,需要消耗大量能源,限制了在资源匮乏国家的公平分发,并要求用户承担正确储存和处理的责任。

    冷链管理是目前蛋白质运输的最佳解决方案,但需要大量的基础设施和能源。例如,在研究实验室中,一个零下 80 °C 的冰柜每天消耗的能源相当于一个小家庭所用。在生物(蛋白质或细胞)疗法和所有疫苗中,75% 需要冷链管理;自 2015 年以来,临床试验中的冷链管理成本增加了约 20%,反映了这种复杂性。现在需要定制配方和辅料,广泛使用糖醛酸、蔗糖或聚合物,它们通过取代表面水分子来稳定蛋白质,从而降低热力学变性的可能性;这使得冻干蛋白质和冷冻蛋白质成为可能。例如,人类乳头状瘤病毒疫苗需要铝盐佐剂才能发挥作用,但这些佐剂会使疫苗在冻融过程中变得不稳定,导致供应链非常复杂和昂贵。其他想法还包括对蛋白质进行防腐处理和化学修饰。总之,蛋白质稳定化是一项挑战,没有通用的解决方案。

    该研究设计了一种坚硬的水凝胶,即使在 50 °C 下也能稳定蛋白质,防止热变性,而且与现有技术不同的是,这种水凝胶可以通过机械方式从注射器中释放出纯净的、不含辅料的蛋白质。在不影响释放机制的情况下,大分子的负载量可高达 10 wt%。这种独特的稳定和无赋形剂释放协同作用提供了一种实用、可扩展和多用途的解决方案,可在全球范围内实现低成本、无冷链和公平地提供治疗。

相关报告
  • 《模拟烹饪过程中蛋白质和多糖对水包油乳剂风味释放的影响》

    • 来源专题:食物与营养
    • 编译者:李晓妍
    • 发布时间:2019-08-28
    • 我们的目的是建立生物聚合物添加剂在模拟烹饪过程中对模型食品乳剂风味释放特性的影响。以大蒜中的一种挥发性疏水性香料烯丙基甲基二硫醚(AMDS)为模型香气。这种风味化合物在食品热加工过程中很容易丢失,因此有必要确定有效的策略来提高其保持性和调节其释放特性。乳剂的热稳定性似乎是决定其风味释放的主要因素,在加热过程中促进聚结的添加剂导致更快的风味释放。此外,高水平的麦芽糊精和黄原胶的加入促进了絮凝的耗尽,这也导致加热过程中风味释放更快。与此相反,乳液粘度与风味释放曲线之间似乎没有相关性。这些结果对于设计以乳化剂为基础的食品,如调味料和汤,在烹饪过程中控制风味释放是很重要的。
  • 《Nature | 超越蛋白质:AlphaFold3预测复杂生物分子结构》

    • 编译者:李康音
    • 发布时间:2024-05-10
    • 2024年5月8日,谷歌Deep Mind的John M. Jumper通讯在Nature发表题为Accurate structure prediction of biomolecular interactions with AlphaFold 3的文章,推出了AlphaFold 3(AF3),能够超高精度预测各种生物分子复合物的结构。这一成就代表着我们理解和操纵控制生物系统的复杂相互作用的能力的重大飞跃。 在其前身AlphaFold 2的成功基础上,新模型引入了实质性的架构和训练程序增强,以适应更广泛的化学结构,并提高数据效率。AF3的核心是一种基于扩散的方法,该方法直接预测原始原子坐标,无需专门处理键合模式和立体化学约束。AF3的真正威力在于其在不同生物分子相互作用中的卓越准确性。值得注意的是,AF3在预测蛋白质配体、蛋白质核酸和抗体抗原相互作用方面优于专业工具,甚至超过了最先进的对接方法。这种准确性延伸到涉及蛋白质、核酸、小分子、离子和修饰残基的复杂结构。 AF3的关键优势之一是其准确模拟共价修饰的能力,如键合配体、糖基化以及修饰的蛋白质和核酸残基。这种能力对于理解生物学过程背后复杂的分子机制和开发有针对性的治疗干预措施至关重要。研究人员使用最近的接口特定基准(interface-specific benchmark)仔细评估了AF3的性能,证明其优于已知最先进的方法。此外,该模型的置信度测量密切跟踪其准确性,为研究人员提供了一个可靠的预测可靠性指标。 虽然AF3代表着向前迈出的一大步,但研究人员承认存在某些局限性。其中包括偶尔的立体化学侵犯(stereochemical violation),如手性误差和原子碰撞,以及准确预测动力学行为和构象状态的挑战。此外,对某些目标的高度准确的预测可能需要生成多个预测并对其进行排序,从而产生额外的计算成本。 尽管存在这些局限性,但AlphaFold 3的开发是生物分子结构预测领域的一项变革性成就。通过在统一的深度学习框架内对广泛的生物分子相互作用进行准确建模,AF3有望加速我们对细胞调节的理解,并为合理的治疗设计铺平道路。随着计算和实验方法继续并行发展,这些方法之间的协同作用无疑将推动我们进入一个前所未有的结构见解时代,开启生物学理解和治疗发展的新前沿。