药靶解析（小分子-未知蛋白结合）LiP-MS分析

    药物的作用机制是药物开发中一个必不可少的研究步骤，而其中药靶检测则至关重要。目前不同领域有多种不同技术能够从实验或者计算机模拟的角度进行药靶检测。其中LiP-MS则是基于质谱技术对小分子-蛋白结合进行检测的最新技术。

LiP-MS原理

Limited Proteolysis （LiP）是基于小分子结合蛋白后相对于原蛋白形成蛋白构象及位阻的变化，从而形成不同的酶切位点，通过质谱检测这个差异来推测结合位点的技术。

对于药靶检测来说，LiP路线采用多种药物浓度梯度进行可信度筛选和脱靶、亲和作用评估，能够更好地筛选出目的蛋白。

技术沿革

该技术由苏黎世联邦理工的Paola Picotti教授开发，并由Biognosys进行完善和拓展，目前已经在药靶发现研究中有了大量的应用。

案例1 不同靶向选择性的激酶抑制剂LiP分析

本例中我们选择了靶向选择性较高的Selumetinib（司美替尼）和选择性较低的Staurosporine（星形孢菌素）进行对比分析。

Piazza & Beaton et al. Nature Communications (2020)

司美替尼是具有高效选择性抑制MAP2K1/2，而在LiP分析结果中可以发现其多肽靶向结果集中在MAAP2K1/2蛋白而星形孢菌素的LiP结果则广泛分布在多种激酶中，与实际情况高度一致。

案例2 磷酸化激酶抑制剂的靶标选择性分析

本例中，我们选择了fostriecin（福斯曲星）和Calyculin A（花萼海绵体诱癌素A）分别进行了LiP分析。已知福斯曲星特异性抑制PP2A家族活性而花萼海绵体诱癌素A则靶向抑制PP1和PPP2家族活性（见上图）。

LiP结果按照得分排名可以看到福斯曲星靶向检测主要为PPP2CA,PPP6,PPP4C蛋白，而花萼海绵体诱癌素A则额外检测到了PPP1B,1CA等PP1家族蛋白，且并没有检测到PPP6家族蛋白。显示出了其对相似靶向选择小分子检测的靶标蛋白能够高度准确区分蛋白亚族。

浓度梯度检测结果和已知的蛋白亲和力结果也高度一致。

LiP技术可以进一步确认结合/活性位点

对于LiP多肽定量结果的进一步分析，可以看到检测到的差异多肽基本围绕在了花萼海绵体诱癌素A的结合位点周围，其平均三角质心距离约为4Å。进一步证明本方法测得差异LiP多肽能够帮助科学家进一步找到具体结合位点中心。

对于寻找药物靶向蛋白及其结合/活性位点的研究来说LiP-MS技术是相对可靠且高效的分析平台，也是相对于计算机理论模拟的互补技术。其必将在药物研究领域大展身手。

参考文献

2014 LiP-MS proof of concept https://pubmed.ncbi.nlm.nih.gov/25218519/

2014 LiP-MS influenza virus M-protein https://pubmed.ncbi.nlm.nih.gov/25165113/  2016 LiP-MS T-cell metabolite target ID https://pubmed.ncbi.nlm.nih.gov/27745970/  2017 LiP-MS protein stability https://pubmed.ncbi.nlm.nih.gov/28232526/

2017 LiP-MS protocol https://pubmed.ncbi.nlm.nih.gov/29072706/

2018 LiP-MS for small molecule target deconvolution https://pubmed.ncbi.nlm.nih.gov/29307493/

2018 LiP-MS antimycobacterial compounds MoA elucidation (GSK) https://pubmed.ncbi.nlm.nih.gov/29467300/

2020 LiP-MS small molecule target ID review: https://pubmed.ncbi.nlm.nih.gov/32475682/

2020 LiP-MS ML-based pipeline for drug target deconvolution: https://pubmed.ncbi.nlm.nih.gov/32826910/

参考综述

Methods for the identification of novel drug targets https://pubmed.ncbi.nlm.nih.gov/32375076/  Proteomics beyond expression analysis (landmark review) https://pubmed.ncbi.nlm.nih.gov/27629641/  Structural proteomics https://pubmed.ncbi.nlm.nih.gov/31841731/

Functional proteomics and interactomics https://pubmed.ncbi.nlm.nih.gov/32235894/

Multidimensional proteomics https://pubmed.ncbi.nlm.nih.gov/25857810/

 上海易算生物科技有限公司 转载请注明出处

更多蛋白质组学技术信息请参阅我们的官方网站：

www.omicsolution.com
若有任何疑问，欢迎邮件或来电咨询：
marketing@omicsolution.com
support@omicsolution.com
+86-18221381405