Cell | 磷酸化蛋白質組學和蛋白質組學繪制蛋白質豐度和壽命圖譜

耶魯大學劉延盛團隊采用蛋白質組學（BoxCarmax-DIA和TMT標記）技術，分析了SILIC飼料飼養小鼠的 8 種小鼠組織（心臟、肝臟、脾臟、肺、腎臟、腸道、血漿）和 9 個腦區（小腦、海馬、前額皮質、黑質、丘腦、杏仁核、內嗅皮層、嗅球、紋狀體），并繪制了小鼠 8 種組織以及多個腦區中 11,000 種蛋白質和 40,000 個磷酸化位點的豐度和壽命圖譜。

主要發現

1. 該研究提供了一個涵蓋小鼠各組織蛋白質周轉的高質量綜合資源；

2. 蛋白質的豐度和壽命共同決定了組織蛋白質組的功能和穩定性；

3. 蛋白質的壽命與組織中的蛋白質相互作用密切相關；

4. 位點特異性磷酸化在體內功能性地塑造蛋白質的壽命

實驗設計

SILIC標記小鼠及取材：代謝標記前3天，給小鼠喂食100%輕賴氨酸組成的SILAC食物，以盡量減少由普通食物切換到SILAC食物對蛋白質穩態的干擾。分別給小鼠喂食8天和32天的SILAC食物。頸椎脫臼處死，快速解剖體組織（心、肝、脾、肺、腎、腸、血漿）和腦區域（小腦、額葉皮質、黑質、丘腦、杏仁核、內嗅皮質、海馬、嗅球）的所有解剖標本，液氮冷凍，- 80℃保存。

基于質譜的蛋白質組學和磷酸化蛋白質組學檢測：同時采用BoxCarmax-DIA和TMTpro兩種方法對各組織進行蛋白質組學和磷酸化蛋白質學檢測。

主要結果

1． 各組織蛋白質壽命分布。

蛋白質組在各組織間的整體轉換模式表現出適度的相似性，大多數蛋白質組（66.7%-80.04%）的轉換時間小于10天，中位PT從腸道的3.27天到小腦的6.45天不等。除心臟（5.61天）外，9個腦區的中位PT（5.89±0.42天）總體上明顯高于其他組織（腸道3.27天，肝臟3.28天，脾臟3.62天，腎臟3.82天，肺4.21天）。大腦區域中較長的蛋白質壽命與先前的報道一致，這主要歸因于大腦較低的再生能力。繪制了不同組織中單個蛋白質周轉率。

2． 各組織蛋白質豐度和壽命的熱圖（HC圖）

在細胞器水平上，HC圖顯示細胞外基質（EM）在組織中持續富集長壽命蛋白，這表明與其他細胞成分相比，EM蛋白不經歷快速更新，這與先前的報道一致。類似的模式在質膜的成分中也被觀察到，比如對維持組織完整性至關重要的溶質載體（SLC）蛋白。膠原蛋白雖然數量很少，但在非腦組織中含量很高，并且在所有組織中壽命都很長，這反映了它們在維持組織結構中的關鍵作用。相比之下，線粒體和核蛋白表現出更高的跨組織變異性，表明組織特異性動態調節。在亞細胞器水平上，HC圖顯示，與其他組織和其他線粒體蛋白（如線粒體核糖體亞基）相比，大腦中的呼吸鏈復合體I蛋白具有更高的豐度和更長的壽命，強調了氧化磷酸化在大腦中的重要性12，與圖2C結果一致。在個體蛋白水平上，HC圖表明SLCs表現出廣泛的PAs，但在組織中具有相似的PTs。有趣的是，某些蛋白質，如線粒體核糖體中的Mrps24，呼吸鏈復合體I中的MTND1， EM中的HSP90aa1和Hsd17b12，以及SLC中的Slc4a1和SLC12a5，顯示出異常的壽命，可能指向獨立于其復合體和功能類別的兼職蛋白質功能。

3． 蛋白質壽命和蛋白質相互作用（PPI）在組織中的密切聯系

有趣的是，在一個特定組織或任何測量的組織中，檢測給定蛋白質與其PPI伴侶之間的PT差異，發現PPI伴侶具有不斷偏離的周轉率（圖4E和圖S3A），例如Psmd1的Agn， Lmna的Lmnb2和Ak2的Map2（在肝臟和腎臟中）。

4． 過氧化物酶體是通過蛋白質周轉調節

我們將蛋白質組學的數據與轉錄組和翻譯組（分別使用RNA測序和核糖體分析進行測量）數據整合分析，其中5個與組織ppt中的組織重疊（肝、心、肺、腎和腦）。跨組織多組學分析表明，過氧化物酶體是通過蛋白質周轉調節。

5． 位點特異性磷酸化在功能上塑造蛋白質在組織中的壽命

DIA-MS和pSILAC-DIA測量了67,169個磷酸化位點的豐度和40,573個磷酸化位點的T50，描繪了大規模的體內磷酸化動力學。在腦區和非腦組織中，34,157±2207和22,821±4650個磷酸化位點攜帶肽的豐度和T50分別為12,861±1441和7575±2681個。相比之下，血漿中只有大約100個磷酸化位點被量化。磷蛋白組豐度和周轉方差的PCA圖顯示了與總蛋白質組學結果相似的組織間和區域間模式。腦區之間的P-site T50相關性（R =0.40-0.74）明顯強于不同組織之間的P-site T50相關性（R =0.13-0.53），盡管兩者都低于P-site豐度相關性，表明P-site T50具有實質性的多樣性。

技術討論

本文中的小鼠標記技術可以進一步應用于蛋白質的其他翻譯后修飾的檢測，例如蛋白質糖基化；

這一方法和TRAIL都不能解決組織內不同細胞類型的蛋白質周轉，這可能會顯著影響蛋白質組讀數。在這方面，可能需要對組織內和組織間的所有不同細胞進行單細胞蛋白質組轉換分析。