欧美色盟,色婷婷AV一区二区三区之红樱桃,亚洲精品无码一区二区三区网雨,中国精品视频一区二区三区

生物體中幾乎所有的細胞都具有相同的基因組，而不同的細胞類型和功能則由不同的基因表達、表觀遺傳修飾和翻譯后修飾等所決定。解析特定器官或組織中特定細胞的生物大分子圖譜對于探究發育、細胞間通訊以及疾病的發生發展等都具有重要意義。因此，開發細胞選擇性的生物大分子標記方法，近年來受到了科學家們的廣泛關注1。通過基因編碼的方法，人們在活體動物中實現了蛋白質的組織特異性和細胞選擇性標記和分析2,3。然而，糖質（glycan）作為另外一種主要的生物大分子，尚無法通過基因編碼的方式，實現活體中的細胞選擇性標記。

糖質以寡糖、多糖、糖蛋白、糖脂等形式直接參與細胞的分化增殖、免疫調節、信號轉導、細胞遷移等重要的生命活動，對其進行在體標記和分析一直是領域內的一個難點4。其中，基于生物正交化學的代謝糖質標記（metabolic glycan labeling）技術已經成為了最主要的工具之一。經過二十多年的發展，目前已有數十種非天然糖分子可用以在活細胞和活體中標記糖質。然而，非天然糖在活體中并不具備器官或細胞特異性，無法實現精準的細胞選擇性標記，闡釋特定細胞群體中糖質所發揮的生物學功能。北京大學化學與分子工程學院、北大-清華生命科學聯合中心陳興課題組一直致力于解決這個問題，此前開發了基于靶向性脂質體的非天然糖代謝標記技術，實現了腫瘤組織和腦部的糖質標記5,6。同時，他們意識到，基因編碼技術可以在活體中實現更加精準的細胞選擇性。為了實現這一目標，繼續推進代謝糖質標記技術的應用，2022年5月5日，該課題組在Nature Chemical Biology上發表了題為Cell-type-specific labeling and profiling of glycans in living mice的論文，報道了一種可基因編碼的代謝糖質標記技術(GeMGL)。該技術將“凸凹互補（bump and hole）”的化學遺傳學策略與代謝糖質標記方法相結合，利用非天然糖1,3-Pr2GlcNAl（Bump）及其匹配的焦磷酸酶突變體AGX2F383G（Hole）的正交組合，在活體動物上實現了細胞選擇性糖質標記和分析。

他們從一個具有低標記效率的非天然糖—乙酰胺基葡萄糖的疊氮類似物GlcNAz出發，確認了其代謝通路中的焦磷酸酶AGX是限速酶，將其過表達可以增強代謝強度。他們隨即想到，增大非天然基團并對AGX酶進行突變，可能可以開發出凹凸對。于是，他們采用了炔基修飾的乙酰胺基葡萄糖GlcNAl和焦磷酸酶突變體AGX2F383G，通過體外和細胞實驗證明了GlcNAl的代謝完全依賴焦磷酸酶突變體AGX2F383G。接著，在多細胞共培養體系和小鼠移植瘤模型中，證明了GeMGL策略的可行性。

基于此，他們將該策略拓展到了轉基因小鼠中。他們首先利用心肌細胞特異的啟動子α-MHC實現了AGX2F383G在小鼠心肌細胞中的特異性表達，然后腹腔注射非天然糖1,3-Pr2GlcNAl，實現了非天然糖分子在小鼠心肌細胞中的特異性代謝。從各組織標記結果來看，GeMGL策略展現出嚴格的心肌細胞選擇性。結合定量蛋白質組學方法，在小鼠心肌細胞中鑒定到582個O-GlcNAc修飾蛋白。分析發現，心肌細胞中許多糖酵解、TCA循環和氧化磷酸化途徑相關蛋白都具有O-GlcNAc糖基化修飾，表明O-GlcNAc糖基化修飾可能在心肌細胞的線粒體能量代謝過程中發揮重要功能。

陳興課題組長期致力于糖化學和糖生物學研究，糖質標記和分析是其研究重點之一。該工作提供了一種可基因編碼的細胞特異性糖質標記技術GeMGL，為在活體層面研究糖質在特定細胞類型中的生物學功能提供了一種便利、有效的工具。該技術有望被推廣到更為復雜的神經系統中，并在相關疾病模型中探究糖基化與神經發育、神經退行性疾病等的關系。

北京大學化學與分子工程學院、北大-清華生命科學聯合中心的陳興教授為該論文的通訊作者，化學院已畢業博士生范欣琦和生命科學聯合中心博士生宋其濤為論文的共同第一作者。該研究工作得到了國家自然科學基金委、科技部、北大-清華生命科學聯合中心和北京分子科學國家研究中心的資助。

原文連接：https://www.nature.com/articles/s41589-022-01016-4.

參考文獻

1. Xie, R., Hong, S. & Chen, X. Cell-selective metabolic labeling of biomolecules with bioorthogonal functionalities. Curr Opin Chem Biol 17, 747–752 (2013).

2. Alvarez-Castelao, B. et al. Cell-type-specific metabolic labeling of nascent proteomes in vivo. Nat Biotechnol 35, 1196–1201 (2017).

3. Krogager, T. P. et al. Labeling and identifying cell-specific proteomes in the mouse brain. Nat Biotechnol 36, 156–159 (2018).

4. Cheng, B., Tang, Q., Zhang, C. & Chen, X. Glycan Labeling and Analysis in Cells and In Vivo. Annu Rev Anal Chem 14, 363–387 (2021).

5. Xie, R. et al. Targeted Imaging and Proteomic Analysis of Tumor‐Associated Glycans in Living Animals. Angewandte Chemie Int Ed 53, 14082–14086 (2014).

6. Xie, R. et al. In vivo metabolic labeling of sialoglycans in the mouse brain by using a liposome-assisted bioorthogonal reporter strategy. Proc National Acad Sci 113, 5173–5178 (2016).