撒网捕鱼：蛋白质网络筛选发现亨廷顿病新治疗靶点
“发现驱动型”筛选揭示亨廷顿病损伤中的新蛋白质网络及新药物靶点
突变亨廷顿蛋白并非单独造成损伤——所有蛋白质都在相互连接的网络中发挥作用。加州巴克老龄化研究所的研究人员进行了一项大规模筛选，以识别可能有助于缓解或加剧亨廷顿病突变有害影响的蛋白质网络。操纵这些网络能否为亨廷顿病提供新的治疗选择？
亨廷顿蛋白：追根溯源
2013 年是亨廷顿病遗传病因发现 20 周年。科学家首次发现，在亨廷顿病患者体内，单个基因中的重复 DNA 序列异常延长。我们的每个基因都提供细胞制造特定蛋白质所需的指令，就亨廷顿病基因而言，这种蛋白质我们称之为 亨廷顿蛋白。这套遗传指令的突变导致亨廷顿蛋白在构建时出现错误，从而引起蛋白质细胞行为的细微变化。随着亨廷顿病患者年龄增长，这些变化会产生严重后果，尤其是在大脑神经元中。
这一突破性发现使科学家能够将精力集中在一个非常具体的任务上；为了真正了解这种疾病，他们需要尽可能多地了解亨廷顿蛋白本身。这意味着不仅要了解亨廷顿蛋白在健康个体体内的作用，还要了解在疾病中出了什么问题。
一种蛋白质为何如此重要？
蛋白质在细胞中常被认为具有特定的“功能”。为了理解这一点，不妨将我们体内的每个细胞想象成一个繁忙的工厂。要使工厂顺利运转，需要许多不同的人从事许多不同的工作。所有这些员工都具备一套特定的技能，如果其中任何一个人未能正确完成其工作，整个工厂的生产力就会面临风险。
那么，如果我们的细胞像工厂，蛋白质就是员工。就像个体工人一样，每种蛋白质都必须完成一系列工作，即“功能”。当亨廷顿蛋白在亨廷顿病中发生突变时，它会影响亨廷顿蛋白执行其功能的方式。
就像没有一个人能完成工厂里的所有工作一样，没有一种蛋白质是完全独立运作的。相反，它作为蛋白质网络的一部分存在，这些蛋白质相互作用，作为一个团队高效工作。因此，为了理解蛋白质的功能，科学家们还必须确定它与细胞中其他蛋白质的关系。
据估计，我们的 DNA 提供了构建超过 30,000 种不同蛋白质的指令。了解所有这些蛋白质如何相互连接，以及它们在亨廷顿病中可能如何受到影响，成为一项几乎难以承受的挑战。
假设与发现
为了应对现代生物学的复杂性，一些研究人员已从传统的“假设驱动型”研究转向一种名为“发现驱动型”的研究方法。
假设是科学家根据已知信息做出的预测。一个好的假设是易于检验的。举一个简单的例子：假设我们推测猫更喜欢吃鸡肉而不是金枪鱼。检验方法可能是拿出两个碗，每个碗里放一种食物。通过计算接近每个碗的不同猫的数量，将提供支持或驳斥该假设的证据。
假设驱动型研究非常有效，前提是您对所研究的特定事物已有相当的了解。然而，当旨在弄清楚一种蛋白质在由数千种其他不同蛋白质组成的网络中发挥什么作用时，一次只问一个问题，进展会非常缓慢。想象一下，您想从 30,000 种食物中找出猫最喜欢哪种——但一次只能测试两种！
发现驱动型研究是一种突出可能与疾病相关的生物学过程的方法。可以说，这种方法产生的不是答案，而是 更好的问题。它告诉研究人员未来研究的重点方向。
发现驱动型实验，称为 筛选，涉及同时进行数千个不同的微型实验。
“其中一些网络在之前的研究中已经为人所知，但有些此前并未被认为与亨廷顿病有关。”
在某些方面，生物筛选有点像用拖网捕鱼和用钓竿钓鱼的区别。这是一种强大的技术，但需要付出更多努力来筛选捕获物。
利用 RNAi 沉默单个基因
由加州巴克老龄化研究所的罗伯特·休斯博士领导，发表在《PLOS Genetics》杂志上的一项新研究，描述了一项发现驱动型筛选，旨在寻找受突变亨廷顿蛋白影响的蛋白质网络。休斯团队利用一种名为 RNAi 的技术，致力于识别可能导致突变蛋白质有害影响的单个蛋白质。
RNAi 是 RNA 干扰 的缩写，是一种“基因沉默”的形式。RNAi 用于降低细胞中单个蛋白质的水平。这有助于确定该蛋白质可能的作用及其对其他细胞活动的重要性。
RNAi 拦截蛋白质制造过程中产生的化学信息，并将其破坏，从而阻止蛋白质的合成。几乎任何基因及其相应的蛋白质都可以通过 RNAi 进行靶向。
RNAi 筛选和一些有毒片段
首先，休斯团队在实验室中培养了经过基因改造的细胞，使其产生突变亨廷顿蛋白最具破坏性的部分。如果没有足够的营养物质，这种突变亨廷顿“片段”会导致细胞更快死亡。细胞的健康状况可以通过测量细胞死亡时发生的变化来评估。
为了识别参与突变亨廷顿蛋白有害作用的蛋白质，休斯博士及其同事使用了包含 7,000 多种 RNAi 化学物质的“文库”，每种化学物质靶向一种不同的蛋白质。
这 7,000 种 RNAi 化学物质分别在不同的细胞批次上进行了测试。通过这种方式，研究人员能够分析每种“关闭”的蛋白质的影响。如果沉默一个基因导致细胞更快死亡，则表明相应的蛋白质可能通常在保护细胞。如果细胞死亡速度较慢，则意味着该蛋白质可能正在加剧亨廷顿病中的情况。
数据分析
这样的实验会产生大量数据，因此需要计算机来分析并理解这些数据。值得庆幸的是，许多蛋白质网络已经通过更传统的科学方法绘制出来。
计算机创建一个新图谱，将新数据中的“命中”放置到现有网络图谱上。利用这项技术，休斯团队发现了一些命中次数超出预期的网络，表明它们可能对亨廷顿病的发展很重要。
其中一些网络在之前的研究中已经为人所知，这让科学家们相信他们的发现驱动型方法是有效的。然而，他们也发现了一些此前并未被认为与亨廷顿病有关的网络。其中一个通过名为 RRAS 的蛋白质与亨廷顿蛋白连接的网络，在筛选中被重点突出。
由于涉及的数字庞大，进行单独的后续实验以验证最引人注目的发现至关重要。因此，休斯团队在几种不同的细胞模型以及亨廷顿病果蝇模型中进行了实验，发现 RRAS 能够保护细胞免于死亡。更好的是，他们能够精确指出网络中蛋白质的特定活动，这些活动可能最容易通过药物进行靶向。
了解我们的局限性
这项研究最令人兴奋的方面是它突出了可能与亨廷顿病相关的新网络。然而，正如没有足够大的渔网可以拖遍整个海洋一样，这项工作很可能遗漏了一些重要的蛋白质网络。
造成这种情况的一个原因是筛选中使用的细胞模型。研究人员没有让细胞产生全长突变亨廷顿基因，而是选择只使用一个小的片段。这意味着任何依赖于全长亨廷顿蛋白的蛋白质或网络都可能被遗漏。
另一个原因是实验中使用的细胞类型。这项工作是使用市售的 HEK293 细胞完成的。这些细胞易于大量培养，适用于此类大规模实验。但被改造以获得如此易于处理的特性后，它们不再像体内正常的健康细胞那样行为——而且与神经元肯定大相径庭。
为了弥补初始筛选实验模型中的这些潜在弱点，所有 RNAi“命中”都在产生全长亨廷顿蛋白的细胞系以及更复杂的疾病果蝇模型中进行了重新测试。RRAS 网络在亨廷顿病小鼠模型中进行了检查。
接下来是什么？
这项工作代表了参与研究人员的巨大努力。生物筛选需要大量的周密计划！然而，有了这项研究的基础，该团队可以通过在含有全长亨廷顿蛋白的细胞中进行类似筛选来继续这项工作。
对于当前筛选的命中结果，仍有许多值得探索之处。一种方法可能是在更“准确”的细胞模型中（例如从真实亨廷顿病患者产生的干细胞）研究 RRAS 网络，甚至重复筛选。
无论这项研究的未来如何，这都是一个很好的例子，说明发现驱动型研究如何能够产生新的靶点和想法，前提是我们始终了解这些技术的局限性。我们期待了解更多关于这些新蛋白质网络如何影响亨廷顿病的发展，以及如何在寻找治疗方法时操纵它们。
