AI+蛋白组学技术服务，干湿结合，双重保障！
发布时间：
2024-11-07 17:33
来源：
AI作为一种革命性工具已经在生命科学领域发挥了巨大的潜力。在蛋白质组学领域，机器学习和深度学习被广泛应用于蛋白-蛋白互作、蛋白-核酸互作、蛋白-小分子对接等。
2024年出现的AIphaFold3不论是预测蛋白-蛋白，还是蛋白-核酸互作的准确性相比之前的AIphaFold2有了极大提高。
但尽管如此，数字化文库的筛选也只能作为有效缩小下游验证范围的工具，往往需要配套一些其他体系的验证实验来为文章提供有力证据。常用的比如体外验证互作的Pull-Down、EMSA，酵母单/双杂一对一验证；体内验证互作的免疫共沉淀实验等。
通过数字文库筛选结合验证实验，在筛选到的序列中选择感兴趣的进行下游验证，在提升阳性率的同时，也减少验证工作量，提升实验效率。
文献案例
哈佛医学院、霍华德休斯医学研究院（HHMI） Danesh Moazed研究组和北京大学李晴研究组合作在Cell杂志发表了题为A replisome-associated histone H3-H4 tetramer chaperone required for epigenetic inheritance的研究论文。利用AlphaFold-Multimer DNA复制体（replisome）中介导DNA复制压力信号通路（replication checkpoint pathway）的组分Mrc1/CLASPIN存在一段和介导压力信号无关的且在真核生物中保守的组蛋白H3-H4四聚体结合区域。
为验证AlphaFold的结构预测，通过GST pull-Down在体外体系中确认，单个Mrc1的组蛋白结合区域结合一个H3-H4四聚体。
图：AlphaFold-Multimer预测一段演化保守的Mrc1/CLASPIN区域结合组蛋白H3-H4四聚体
图：Pull-Down体外实验验证AlphaFold-Multimer预测结果
文献二
2024年发表在PLOS BIOLOGY上的文章，利用AlphaFold计算机预测得到了Arl2与Cdk5rap2 存在物理结合，该研究下游利用免疫共沉淀（Co-IP）和邻位连接技术对该预测结果进行了验证。
图：数字化预测分值ipTM及验证结果图已知与Arl2互作的蛋白TBCD经数字化预测得到的互作分值ipTM为0.89Cdk5rap2与Arl2的互作分值ipTM为0.57
服务介绍
数字化筛库
南京瑞源生物数字文库筛选技术，自主设计一种基于多模型细化的PPI预测方法，并串联多个新型蛋白质AI工具，根据蛋白质三维结构对蛋白质互作进行预测。
数字筛选蛋白-蛋白、蛋白-核酸互作服务流程图
程序经三轮筛选，优势特点如下：
1）高通量筛选：自主程序批量筛选，周期快；
2）三轮筛选：多轮筛选保证准确性；
3）解决痛点：解决某些蛋白难表达不表达的情况；
4）经济高效：减少实验室资源和成本，尤其在初步筛选阶段，避免不必要的实验；
5）附加服务：协助提供应用于文章method部分的方法学描述。
