近几年来，引用生物层干涉技术（BLI）的CNS正刊数量（注意是正刊哦！）是噌噌噌的一路上涨。从2016-2018年三年52篇，到2019年的27篇，以及2020年的51篇，而就在刚刚过去的2021年上半年，发表数量就已经突破了40篇！

在这些CNS文章中，有相当一部分是应用BLI技术开展病毒（主要为新冠病毒）相关研究，包括新冠疫苗、中和抗体以及病理机制等。这些精彩文章陈老湿在之前的微信中已经介绍了很多，估计粉丝们也差不多要审美疲劳了。除去这类文章，其他有趣且好玩的酷文也不少（比如最近很热的蛋白质计算机设计），陈老湿就挑几篇给大家唠唠。

 

➤ 新冠疫苗血小板减少和血栓形成机制研究
麦克马斯特大学【1】

新冠疫苗的安全性仍是重中之重，牛津-阿斯利康新冠疫苗ChAdOx1产生的相关血小板减少症和血管等不良事件导致一些国家限制其使用。该研究阐释了部分新冠疫苗诱导的抗体可能会如何导致“疫苗诱导免疫血栓性血小板减少症”（VITT）这一罕见症状。

腺病毒载体疫苗会引发血小板减少和血栓形成（VITT）。VITT 类似于肝素诱导的血小板减少症（HIT），因为它与针对血小板因子4（PF4）的血小板激活抗体有关。加拿大学府McMaster大学在Nature发表文章，发现了VITT与针对血小板因子4（PF4）的抗体有关。研究人员应用生物层干涉技术（Octet RED96），证明VITT诱导的PF4抗体对PF4和PF4/肝素复合物的结合能力比HIT诱导的抗体更强。VITT抗体在与PF4上的结合位点与肝素相同，使PF4四聚体聚集并形成免疫复合物，通过FcγRIIa结合产生Fc依赖性血小板活化。

 

用链霉亲和素传感器固化PF4或者PF4/肝素，与VITT,HIT病人血清进行检测，图A，C，E为固化PF4分别检测各种血清样品，图B，D，F为固化PF4/肝素复合物分辨检测跟中血清样品。

AB为原始的结合解离图，CD为各种病人的血清样品检测信号，EF为各种病人血清样品的解离速率比较。

 

新冠疫苗的安全性问题事关所有人的健康安全。BLI技术的厉害之处就是能够通过比较生物分子间的结合和解离速率，准确且定量化分析相互作用过程中的差异变化，而传统的ELISA技术是完全无法提供相关数据的。

 

 

➤ CAR-T治疗实体瘤重大突破，只杀癌细胞，不伤健康细胞
加州大学旧金山分校【2】

CAR-T已经在治疗血液肿瘤中体现了良好的疗效，但在治疗实体瘤方面还有待突破。其中一个关键瓶颈是如何区分正常组织少量表达的和肿瘤中高表达的肿瘤标志物，以降低“误杀”导致的副作用。

这篇Science文章的作者以HER2为靶点在CAR-T细胞上共表达了CAR(嵌合抗原受体)和低亲和力的合成缺口(synNotch) 受体，synNotch与HER2结合可以激活高亲和力的CAR的表达。这样使得synNotch作为HER2密度滤器，只有HER2密度达到某个阈值才大量激活CAR的表达,达到特异性杀伤肿瘤细胞的目的，此谓之“超灵敏激活（ultrasensitive）”。

为了构建synNotch受体和CARs，研究者制作了一系列抗HER2单链抗体，亲和度跨越100倍范围(解离常数在2.0-200 nM之间)，并应用Octet系统进行快速且准确的测定（图D）。

 

A：超灵敏激活（ultrasensitive）是T细胞活性与抗原呈现S曲线

B：synNotch可以激活CAR表达，作为抗原密度的过滤器

C：Octet RED384检测，CAR的亲和力为1.9nM，而synNotch亲和力为210nM（用GST传感器固化ScFv与HER2进行结合解离）

Octet系统可以准确区分不同样品间很小的亲和力差别。特别是样品量较多的情况下，Octet系统快速准确的特点可以发挥的淋漓尽致。

 

➤ 体外蛋白质设计
华盛顿大学（Nature【3】+ Science【4】）

上周，陈老湿的朋友圈被一条内容为“两款新型AI系统精准预测蛋白结构”的文章刷屏。这两款AI系统，一个是DeepMild公司的AlphaFold2，另一个就是大神David Baker开发的RoseTTAFold软件系统。

 

Baker教授的研究内容陈老湿也写过好几期了，实在是牛的一塌糊涂。今年又是一篇Nature加一篇Science，妥妥的YYDS。

在Nature文章中，大神设计了一种能特异性识别靶点的高灵敏度生物传感器，其本质是一种人工设计的蛋白复合物，只需要把这个生物传感器与样品混合，就可以直接测试诸如病毒、抗体等物质。

 

左图：HBV抗体识别生物传感器由笼子蛋白和门闩蛋白组成lucCage，门闩蛋白上由激发荧光素酶的蛋白序列（黄色）和识别靶点的序列（粉色）。当lucCage结合靶蛋白（anti-HBV抗体）时，门闩蛋白构象变化，钥匙蛋白（lucKey，橙色）与笼子蛋白结合，荧光素酶（灰色）同时被门闩蛋白激活，产生荧光。

中图：设计的lucCage蛋白，带有一个（lucCageHBV）或者两个HBV抗体表位(lucCageHBVα)

右图：Octet检测两种lucCage与HBV抗体的结合。发现带有两个表位的lucCage与靶点结合更强

在另一篇Science发表的文章中，Baker团队设计了一种抗体纳米笼结构，可以控制抗体的对称性和多价性，从而掌握抗体与靶点的亲和力。抗体纳米笼是由抗体和Fc结合蛋白多聚而成。

 

左图：通过控制Fc结合蛋白的多聚程度，来控制纳米笼的结构。紫色为抗体，灰色为Fc结合蛋白。

右图：用链霉亲和素传感器固化生物素化的IgG1和Fc，与设计的Fc结合序列结合解离检测动力学参数（Octet RED96）



人工智能（AI）模拟虽然可以大大增加效率，并且预测蛋白结构的准确性也越来越高，但最终蛋白实际的活性和功能还是要依靠分子互作分析系统等生物物理学手段进行分析和验证。

更多BLI精彩应用，欢迎联系我们

 

 

-参考文献-

【1】Antibody epitopes in vaccine-induced immune thrombotic thrombocytopenia

Angela Huynh, John G Kelton[…]Ishac Nazy

Nature , 1–7

【2】T cell circuits that sense antigen density with an ultrasensitive threshold. Science 371, 1166–1171 (2021)

【3】De novo design of modular and tunable protein biosensors. Nature 591 , 482–487

【4】Designed proteins assemble antibodies into modular nanocages. DOI: 10.1126/science.abd9994