Mol. Cell. Proteomics精选 |TMT蛋白组学探究“肥胖”到底是怎么回事?

2020-4-20 02:13

1587319939350303.gif

今天小编要说一个非常严肃的话题,那就是“肥胖”。经常会听到有人说“在胖子的世界里,睡觉特别香,已经睡了足够的时间还是想睡,或者经常哈欠连天?”。当出现以上情况时候。那么小编要说,在排除过于疲劳的情况下,可能是肥胖到来的迹象。

 

那么,针对迹象的来临,我们也应该引起足够的警惕...

毕竟,任其发展下去,可能会这样... 

1587319939539017.png

看看,连小李子这种神颜都HOLD不住的体型,你凭什么觉得自己HOLD住啊!!

 

针对肥胖,本期小编也从科学的角度带来肥胖的研究,通过附睾组织的蛋白成分的研究,导致对其因衰老和高脂肪饮食引起的代谢和蛋白网络变化。下面让我们一起来看看肥胖到底是怎么回事?

 

 

前言

 

肥胖是目前全球性的普遍现象。由于过去缺乏有效的高通量技术手段限制了附睾组织的蛋白成分的研究,导致对其因衰老和高脂肪饮食引起的代谢和蛋白网络变化的认知非常有限。本篇由波特兰俄勒冈健康与科学大学团队发表在Mol.cell.Proteomics的“Extended multiplexing of TMT labeling reveals age and high fat diets pecific proteome changes in mouse epididymal adipose tissue.”文章,该文章作者通过TMT蛋白组学分析技术为附睾组织蛋白质组学研究提供了一个简单,可重复的分析方法。

 

 

基本信息

英文标题:Extended multiplexing of TMT labeling reveals age and high fat diets pecific proteome changes in mouse epididymal adipose tissue.

中文标题:基于TMT技术对年龄和高脂肪饮食引起的小鼠附睾脂肪组织蛋白质组变化的研究

材料:附睾组织

影响因子:6.5399

表期刊:Mol. Cell.  Proteomics

运用技术:TMT蛋白质组学 

1587319940684166.png

 

 

研究背景

肥胖是目前全球性的普遍现象。由于过去缺乏有效的高通量技术手段限制了附睾组织的蛋白成分的研究,导致对其因衰老和高脂肪饮食引起的代谢和蛋白网络变化的认知非常有限。文章在原有的基础上进行实验设计和数据分析改进,采用了多组TMT蛋白组学技术共20个生物学重复,对长期高脂肪饮食组与短期高脂肪饮食组,和不同年龄间高脂肪饮食组与低脂肪饮食组的蛋白进行比较。研究发现多种蛋白的变化,分别参与了脂肪代谢,氨基酸代谢,免疫应答,凋亡等通路。文章为附睾组织蛋白质组学研究提供了一个简单,可重复的分析方法。

 

 

研究思路 

1587319942145504.png

 

 

实验结果

1.基础代谢检测

体重、组织重量、血清学指标:葡萄糖、胰岛素、胆固醇、甘油三酯以及葡萄糖和胰岛素耐受实验等。 

1587319942372137.png

 

2. 蛋白质鉴定信息 

1587319942608444.png

 

3.韦恩图 

1587319942679681.png

图 | 表示各组差异蛋白质的交并集情况

 

4.差异蛋白质表达倍数

火山图和柱状图表示High Fat组具有较明显的蛋白质变异。 

1587319942694676.png

 

5.相关蛋白质表达量变化 

1587319943856275.png

 

6.GO分析

结合差异蛋白质表达倍数,揭示高脂饮食引起脂肪代谢、氨基酸代谢、免疫应答、凋亡等通路的变化。 

1587319943195032.png

 

7.PPI分析

发现关键节点蛋白FGG、Dpt、Mug2等并进一步验证以上的结论。 

1587319943981600.png

 

小鹿推荐

在研究组织样本TMT蛋白质组学中,本文的研究思路、技术方法和分析都是比较突出的一个案例。在模型代谢指标筛选方面做了比较全面的代谢检测,包括胰岛素耐受,乳糖耐受等,同时在蛋白质组学实验设计方面对样本分组与重复性做的比较到位。一共用了3组10标TMT。由此得到的数据比较详实,有利于后续数据分析。

 

 

参考文献

Plubell D. etal., Extended multiplexing of TMT labelingreveals age and high fat diet specific proteome changes in  mouse epididymaladipose tissue. 2017,Mol. Cell.  Proteomics. 

 

 

往期回顾

01 【多层组学汇总】平均IF:22 高质量期刊文章,您值得拥有~

02 【胰腺癌、肝癌、前列腺癌】多层组学在癌症分型和治疗靶点中的应用

03 【多组学深度解读】客户文章 | 西南科技大学运用多层组学整合分析对植物铀毒性机制研究

  END 

 


领域:蛋白/抗体/蛋白质组,多组学/蛋白质组/代谢组/脂质组