邻近标记技术揭示了小鼠感觉神经元的区室化蛋白质组
《European Journal of Pain》:Proximity Labelling Reveals the Compartmental Proteome of Murine Sensory Neurons
【字体:
大
中
小
】
时间:2026年04月29日
来源:European Journal of Pain 3.4
编辑推荐:
摘要
引言
理解外周感觉神经元的分子结构对于寻找针对疼痛和神经病变的新药物靶点至关重要。背根神经节(DRG)中的感觉神经元表现出广泛的空间分隔;因此,了解从外周到中枢末梢的每个隔室是这项工作的关键。
方法
为了系统地分析这种空间复杂性,我们生成了一种TurboIDfl/fl转
摘要
引言
理解外周感觉神经元的分子结构对于寻找针对疼痛和神经病变的新药物靶点至关重要。背根神经节(DRG)中的感觉神经元表现出广泛的空间分隔;因此,了解从外周到中枢末梢的每个隔室是这项工作的关键。
方法
为了系统地分析这种空间复杂性,我们生成了一种TurboIDfl/fl转基因小鼠品系(ROSA26em1(TurboID)Bros),通过Tg(Advillin-Cre)+实现DRG神经元隔室的目标邻近标记和深度蛋白质组分析。
结果
我们的数据揭示了不同神经元隔室之间的独特蛋白质组特征,这些特征反映了它们专门化的功能。我们提供了关于先前无法访问的神经末梢的蛋白质组见解,这些末梢既位于外周(支配皮肤)也位于脊髓中。此外,使用化疗诱导的外周神经病变的DRG移植物模型,我们发现了新的和离散的蛋白质组变化,突显了神经元的脆弱性。
结论
总的来说,我们的发现提供了一个独特的感觉神经元蛋白质组图谱,涵盖了解剖学领域,并展示了邻近标记蛋白质组技术在疾病模型中检测隔室特异性分子改变的实用性。
1 引言
背根神经节(DRG)是外周神经系统(PNS)中的关键枢纽,其中包含了从外周传递信息的感觉神经元细胞体(Middleton等人,2021年)。DRG不仅包含感觉神经元,还包括其他细胞,如胶质细胞和免疫细胞。因此,解释来自DRG的批量蛋白质组数据本质上是非常复杂的。此外,DRG神经元通过轴突与外周和中枢神经末梢之间存在空间分隔。因此,了解它们的空间蛋白质组对于阐明感觉处理、神经元维持以及慢性疼痛等病理状态的分子机制至关重要。然而,获得DRG神经元的全面且空间分辨的分子谱是一个重大的技术挑战。像荧光激活细胞分选(FACS)这样的方法可以分离特定类型的细胞,并已被用于突触体的分离(Biesemann等人,2014年),但FACS主要优先考虑细胞体和/或细胞核。分离完整的空间隔室,特别是神经末梢,仍然是一个主要障碍。近年来,像TurboID和APEX这样的邻近依赖性蛋白质组技术作为绘制亚细胞蛋白质组和相互作用组的强大工具而出现(Gingras等人,2019年;Qin等人,2021年)。TurboID是一种工程化的、具有广泛结合能力的生物素连接酶,能够在活细胞中快速高效地标记邻近的蛋白质(Branon等人,2018年)。迄今为止,TurboID及其前身BioID的大多数应用都涉及与隔室特异性靶向序列融合的蛋白质,从而可以选择性地生物素化邻近的相互作用组,以便通过质谱(MS)进行下游亲和纯化和鉴定(Dingar等人,2015年;May等人,2020年;Roux等人,2012年)。与TurboID融合蛋白不同,使用可溶性TurboID变体可以无偏地标记细胞内的整个可访问蛋白质组。Sunna等人证明,TurboID介导的生物素化在表达细胞质TurboID变体的细胞系中大约覆盖了59%-65%的蛋白质组(Sunna等人,2023年)。邻近标记也被成功用于探索中枢神经系统隔室。例如,Rayaprolu等人(2022年)开发了一种小鼠模型,使用TurboID在体内探索大脑区域特定的蛋白质组差异。在另一项研究中,Hobson等人(2022年)使用APEX2邻近标记技术绘制了急性脑切片中细胞体-树突和轴突隔室之间的蛋白质组差异,展示了与相应神经元功能的相关性。在这里,我们生成了一种从Rosa26位点表达TurboID的条件性小鼠品系,使用Cre-lox系统在体内实现细胞类型特异性的邻近标记。与Tg(Advillin-Cre)+驱动线(Zurborg等人,2011年)配对后,TurboID在DRG感觉神经元中的表达非常显著。因此,我们能够系统地分析DRG神经元隔室的蛋白质组,提供了一个空间分辨的蛋白质组图谱。然后,我们利用这项技术探索了化疗诱导的外周神经病变(CIPN)体外DRG移植物模型中奥沙利铂治疗后的蛋白质组变化。CIPN是化疗的常见副作用,药物会损害感觉神经元并导致疼痛性神经病变,常常妨碍有效的癌症治疗(Sisignano等人,2014年)。实际上,我们观察到奥沙利铂治疗后神经元蛋白质组的异常调节,包括批量蛋白质组分析未能检测到的变化。总的来说,我们的发现揭示了感觉神经元功能的关键方面和疾病相关改变的隔室特异性蛋白质分布的新见解。
2 方法学
2.1 使用CRISPR/Cas9生成TurboID小鼠(ROSA26em1(TurboID)Bros)
条件性TurboID敲入(cKI)小鼠品系是通过在ROSA26位点进行定向CRISPR/Cas9突变生成的。超排卵的C57Bl6/J雌性与C57Bl6/J雄性交配,并收集受精卵。内部生产的CRISPR试剂(hCas9_mRNA、sgRNAs、预形成的Cas9_sgRNA-RNP复合物和同源定向修复片段(HDR片段)使用Eppendorf Femtojet(Eppendorf SE,德国)微注射到原核阶段受精卵的原核和细胞质中。重要的是,所有基于核苷酸的CRISPR/Cas9试剂(sgRNAs和hCAS9_mRNA)都以RNA分子的形式使用,而不是质粒编码的,这降低了由于RNA试剂寿命短而导致的脱靶效应的可能性(Doench等人,2016年;Tycko等人,2019年)。含有TurboID的HDR片段是通过将V5标签-TurboID序列亚克隆到Ai14-ROSA26基质粒骨架中生成的(Madisen等人,2010年),并通过SacI/AgeI限制性酶双重切割分离为线性DNA片段。使用指导RNA选择工具CRISPOR(Concordet和Haeussler 2018年;Haeussler等人,2016年)选择了两个针对ROSA26位点的sgRNAs。通过使用HDR序列上游和下游的引物进行定位PCR确认了HDR片段的正确位点插入。包括完整序列和基因分型策略在内的详细信息可在补充方法中找到。
2.2 动物饲养、繁殖和生物素补充
成年雄性和雌性TurboIDfl/fl对照和AdvCre;TurboIDfl/fl小鼠(12.5–26周龄用于隔室蛋白质组分析;57–71周龄用于奥沙利铂治疗)以及内部繁殖的野生型C57Bl6/J雄性小鼠(60–66周龄)被饲养在12/12小时日夜循环的环境中,可以自由获取食物和水,处于开放式笼子中。为了使隔室分析与大多数其他已发表的组学研究结果可比,我们特意选择了年轻的成年小鼠(12.5–26周龄)。对于奥沙利铂治疗,我们特意选择了较年长的小鼠(57–71周龄),因为在这个年龄组中CIPN的发生率和严重程度通常更高。重要的是,在整个研究中,我们始终将蛋白质组数据与其各自的对照组进行比较,仅在同一个年龄组内进行比较,即在年轻成年小鼠组内,对于奥沙利铂治疗,则在较年长的小鼠组内进行比较。每笼子中饲养2–6只雄性和2–7只雌性小鼠。动物实验按照伦理指南进行,并得到了维也纳大学和奥地利教育、科学和研究部(BMBWF)的机构动物护理和使用委员会(IACUC)的批准(许可证编号2021-0.138.925,经2024–0.896.105修订)。所有程序都符合国际ARRIVE指南,并遵守欧盟关于用于科学目的的动物保护的指令2010/63/EU。没有小鼠在预期终点之前被从研究中移除。
2.2.1 繁殖策略
Tg(Advillin-Cre)驱动线(此处称为AdvCre)(Barry等人,2023年;Lopes等人,2017年;Zheng等人,2019年;Zurborg等人,2011年)的雄性小鼠与此处生成的ROSA26em1(TurboID)Bros(TurboIDfl/fl)雌性小鼠交配,最终获得AdvCre(AdvCre/+)杂合子和TurboID(此处称为AdvCre;TurboIDfl/fl)纯合子小鼠,以及它们的同窝对照(TurboIDfl/fl)。详细信息在补充方法中提供。
2.2.2 生物素补充
TurboIDfl/fl对照和AdvCre;TurboIDfl/fl小鼠连续7天接受富含生物素的饮用水(0.22 mg/mL,每天新鲜制备),以增强生物素化(Branon等人,2018年)。第8天,小鼠被处死。这种剂量与BioID小鼠的剂量相同,对于TurboID,可以根据C57Bl6/J-Gt(ROSA)26Sortm1(birA)Srgj/J品系的报告进行适当调整(Rayaprolu等人,2022年)。
2.2.3 小鼠数量
隔室蛋白质组是从以下小鼠的混合样本中生成的(每个样本3–6只动物):TurboIDfl/fl对照=29只雄性+29只雌性;AdvCre;TurboIDfl/fl=19只雄性+27只雌性。样本按性别分层。单侧小鼠的DRG用于暴露于奥沙利铂的移植物培养,另一侧的DRG用于平行对照组。为了富集AdvCre;TurboIDfl/fl中的生物素化蛋白质,每种条件下准备了四个样本(3只雄性,1只雌性),每个样本汇集了多只小鼠。总共每种条件使用了10只雄性和4只雌性。
2.3 组织解剖
小鼠通过二氧化碳吸入法被杀死并迅速斩首。移除脊椎骨,随后分离出腰3-5节脊髓(SC)和腰3-5节DRG的背部部分。同时,解剖两侧的坐骨神经(SCN)。用4毫米的皮肤取样器去除足底皮肤(真皮和表皮,不含肌肉组织)。皮肤样本立即在液氮中快速冷冻。所有其他组织在冰冷的1× PBS中洗涤以去除血液残留物,然后立即在液氮中快速冷冻。所有组织保持在-80°C直至进一步使用。
2.4 蛋白质提取
除非另有说明,所有步骤均在室温(RT)下进行。
2.4.1 背根神经节
组织匀浆在裂解缓冲液(LB;2% SDS,0.1 M Tris,5%甘油,0.01 M DTT,1×完整蛋白酶抑制剂混合物)中进行,使用研钵/捣棒进行3×10次搅拌。为了促进裂解,使用Bioruptor Pico进行超声处理(10×30秒开启/30秒关闭,4°C,低频率)。下面提到的所有超声处理步骤都使用相同的设置(只有循环次数不同)。样品随后在70°C下孵育15分钟,转速为1500 rpm(Thermomixer C,Eppendorf)。剩余的细胞碎片通过离心(10分钟,10,000×g)沉淀,上清液被保存。一个条件的所有重复样本被汇集,并使用NanoPhotometer N60(Implen,慕尼黑,德国)在280 nm处测定浓度。
2.4.2 坐骨神经
协议与上述相同,只是离心后进行了额外的5分钟离心(RT,10,000×g),以进一步清除裂解液中的脂质云。在汇集和浓度测量之前,进行了丙酮沉淀。
2.4.3 足底皮肤
皮肤取样器切割成四小块,转移到预先装有LB的研钵中,并使用研钵/捣棒进行匀浆。组织裂解通过在70°C下孵育20分钟和1500 rpm下超声处理15次来促进。裂解液通过2次离心(10分钟,10,000×g)去除细胞碎片和过量脂质,然后上清液被保存。在汇集和浓度测量之前,进行了丙酮沉淀。
2.4.4 足底皮肤
皮肤取样器切割成四小块,转移到预先装有LB的研钵中,并使用研钵/捣棒进行匀浆。组织裂解通过在70°C下孵育20分钟和1500 rpm下超声处理15次来促进。然后通过2次离心(10分钟,10,000×g)去除细胞碎片和过量脂质,上清液被保存。在汇集和浓度测量之前,进行了丙酮沉淀。对于SCN、SC和足底皮肤,进行了丙酮沉淀以减少样品中的脂质含量:向每个样本中加入5倍体积的预冷却(-20°C)100%丙酮,并短暂倒置试管以确保充分混合。如果需要,样品被分成2×2毫升的试管,以便添加5倍的样本体积。蛋白质沉淀在-20°C下进行3–3.5小时。接下来通过离心(30分钟,14,000×g)沉淀蛋白质。沉淀物用1.5毫升预冷却(4°C)80%乙醇洗涤,然后重复离心。沉淀物在-20°C下空气干燥20–30分钟。蛋白质通过在70°C下孵育15分钟,1500 rpm重新溶解。如果未完全溶解,重复孵育并增加LB体积直至完全溶解。汇集样本的总蛋白质浓度使用NanoPhotometer在280 nm处测定。
2.5 链霉亲和素介导的生物素化蛋白质富集
链霉亲和素亲和纯化协议基于Go等人(2021年)描述的高灵敏度协议,并进行了修改。所需的链霉亲和素珠子(Sera-Mag SpeedBead Blocked Streptavidin Particles,Cytiva,83 μL珠子悬浮液/1000 μg输入)量转移到LoBind蛋白管中,用500 μL不含SDS的LB洗涤两次,然后重新悬浮在相同的缓冲液中。蛋白质裂解液(输入量:DRG 1000 μg,SCN 600 μg,SC 800 μg,皮肤 2000 μg)被调整至最终SDS浓度为0.5%,最终体积为1500 μL。裂解液在4°C下与珠子孵育3.5小时。除非另有说明,所有后续步骤均在RT下进行。孵育后,样品放置在磁架上2分钟。珠子随后经过一系列洗涤过程,每次洗涤使用1毫升缓冲液,然后每个步骤都进行1分钟的剧烈摇晃(使用Grant-Bio PTR-35多旋转器),并在磁架上孵育2分钟,直到溶液澄清。洗涤步骤包括一次使用2% SDS洗涤缓冲液(2% SDS,25 mM Tris)的洗涤,两次使用改良的RIPA缓冲液(50 mM Tris,150 mM NaCl,1.5 mM MgCl2,1% Triton X-100,1 mM EDTA)的洗涤(皮肤样本需要三次),以及三次使用50 mM碳酸氢铵(ABC,pH 8)的洗涤。第一次ABC洗涤后,珠子被转移到一个新的1.5毫升LoBind管中,并加入500微升ABC缓冲液,然后再加入500微升ABC以完成最后的洗涤。为了蛋白质还原,向每个样本中加入135微升5 mM二硫苏糖醇(DTT)和50 mM ABC的混合物,其中含有0.8 mM生物素,然后在60°C下以1000 rpm的速度孵育30分钟。之后将样本短暂放置在冰上冷却至室温。烷基化处理是通过加入碘乙酰胺(IAA)至最终浓度20 mM来进行的(15微升200 mM IAA),然后在黑暗中持续搅拌孵育30分钟。反应通过加入1 M DTT至最终浓度5 mM来终止,并在过程中进行3次5秒的涡旋操作。蛋白质在37°C和950 rpm下消化17小时,使用的酶为每1000微克样本1.5微克胰蛋白酶/LysC。消化完成后,将管子放在磁架上2分钟以释放肽,然后将上清液转移到新的2毫升LoBind管中。珠子进一步用20微升MS级水洗涤(5分钟,500 rpm),并将洗涤液与最初的洗脱液合并。通过205纳米的波长测量肽的浓度,以计算所需的SP3-珠子量(Sera-Mag SpeedBead珠子的1:1混合物,每40-50微克肽使用10-15微升珠子悬浮液)。为了纯化肽,将肽溶液分成两个2毫升的管子,加入适量的珠子和100% ACN以达到95%的ACN浓度。样本在500 rpm下孵育8分钟,然后在磁架上孵育2分钟。丢弃ACN,用400微升100% ACN冲洗珠子,在磁架上孵育2分钟,再次丢弃ACN。肽在20-25微升MS级水中重新悬浮,然后在500 rpm下孵育5分钟,随后在磁架上再孵育2分钟。之前分离的样本的上清液被合并,以17000 × g的离心速度离心2分钟,然后放在磁架上,最后将上清液转移到玻璃小瓶中。使用NanoPhotometer在205纳米的波长测量肽的浓度,并将样本酸化至最终浓度0.1%甲酸。样本在-20°C下保存,直到进行LC-MS测量。
2.6 DRG移植片的制备
从AdvCre;TurboIDfl/fl和TurboIDfl/fl小鼠(喂食富含生物素的水7天,见上文)中,每侧分离出20个DRG,并分别收集在两个含有DMEM/F-12的管中,置于室温下进行移植片培养(Fornaro等人,2018年)。一侧的DRG被加入50微升的体积中,放入24孔板的孔中,在37°C和5% CO2下孵育10分钟。同时,将奥沙利铂(100 μM)和/或溶剂(H2O,Veh)与DMEM +10%马血清(HS)+100 ng/mL神经生长因子(NGF)+50 μM生物素混合,然后小心地加入每个孔中500微升。药物/Veh在37°C和5% CO2下孵育48小时。为了找到与先前报告(Livni等人,2019年)一致的有效奥沙利铂浓度,也从野生型小鼠中以类似的方式准备了DRG移植片。一只小鼠的DRG被分成四个孔,分别用于四种条件:Veh、25 μM、50 μM和100 μM奥沙利铂在DMEM+HS+NGF中。药物/Veh在37°C和5% CO2下孵育48小时。
2.7 DRG移植片的样本制备
蛋白质提取方法对于WT和TurboID DRG移植片都是相同的。将一个孔中的所有DRG转移到Eppendorf管中,用冰冷的1× PBS洗涤两次,每次翻转管子10次。丢弃所有PBS后,加入300微升LB,然后对DRG移植片进行10次超声处理,并在70°C和1500 rpm下孵育15分钟。剩余的细胞碎片通过离心(5分钟,10,000 × g)沉淀,保留上清液。使用NanoPhotometer N60在280纳米的波长下测定总蛋白质浓度。TurboID样本经过描述的链霉亲和纯化步骤来富集生物素化蛋白质并制备肽(输入量为725微克)。对于WT样本,采用了改进的单罐固相增强样本制备(SP3)方法(Hughes等人,2019年)来消化蛋白质和纯化肽。简要来说,向50微克蛋白质中加入10微升预混的Sera-Mag SpeedBead珠子。为了促进蛋白质与珠子的结合,加入等体积的绝对乙醇,然后在24°C和1000 rpm下孵育5分钟。珠子在磁架上收集2分钟;丢弃上清液,再用500微升80%乙醇洗涤三次。随后,将珠子重新悬浮在50微升50 mM ABC中,pH 8,其中含有2微克胰蛋白酶/Lys-C,然后在37°C和950 rpm下过夜孵育。蛋白质消化后,向每个样本中加入ACN至最终浓度95%。孵育8分钟后,将珠子在磁架上收集2分钟。丢弃上清液,用900微升ACN洗涤珠子。为了肽的洗脱,让剩余的ACN蒸发2-3分钟,然后将珠子重新悬浮在40微升LC-MS级水中。使用NanoPhotometer N60在205纳米的波长测量肽的浓度。最后,用FA将肽样品酸化至0.1%的浓度,并在-20°C下保存,直到进行LC-MS分析。
2.8 凝胶电泳与Western Blot
所有用于链霉亲和富集的TurboID组织裂解物都通过Western Blot检测生物素化是否成功。样品通过将其溶解在含有4×还原剂的4× LDS Sample Buffer中达到最终1×浓度,然后加热至70°C持续10分钟来制备。为了分离蛋白质,将样品加载到预装的NuPAGE Bis-Tris 4%–12%梯度凝胶上,NuPAGE(Life Technologies)电泳腔中填充1× NuPAGE MOPS缓冲液,然后在200 V下运行40-50分钟。电泳后,使用iBlot2 Gel Transfer Device(Life Technologies,程序#0)将蛋白质转移到PVDF膜上(7分钟)。为了阻断非特异性结合位点,膜在室温下用5%牛奶的PBS孵育45分钟。随后,膜与一级抗体(稀释在1%牛奶/PBS中;见表S1)孵育1.5小时,然后在4°C下过夜孵育,再稀释1:4。膜用PBS洗涤三次(每次短时间洗涤后跟着三次5分钟洗涤),然后与相应的二级抗体(稀释在1%牛奶/PBS中;见表S1)孵育1小时。按照之前的描述用PBS洗涤后,使用近红外荧光成像(BioRAD ChemiDoc MP)检测免疫标记的蛋白质。
2.9 LC-MS采集
使用NanoElute2系统(Bruker Daltonik,德国不来梅)进行纳流反向相液相色谱(Nano-RPLC),并通过CaptiveSpray离子源与timsTOF HT质谱仪(Bruker Daltonik,德国不来梅)连接。流动相由溶剂A(100%水,0.1%甲酸)和溶剂B(100%乙腈,0.1%甲酸)组成。
500微克的肽被加载到C18捕获柱(1毫米×5毫米,ThermoFisher)上,然后在Aurora ULTIMATE分析柱(25厘米×75微米)上分离,该柱填充了1.6微米C18颗粒(IonOpticks,Fitzroy,澳大利亚),梯度时间为60分钟。流速保持在250纳升/分钟,除了最后的7分钟,流速增加到400纳升/分钟。流动相B的梯度调整如下:在30分钟内从2%线性增加到15%,然后在22分钟内增加到35%,并在0.5分钟内迅速增加到85%。然后在0.5分钟内将流速调整到400纳升/分钟并保持7分钟,以确保疏水性肽的完全洗脱。数据采集采用数据独立采集(DIA)模式,并使用并行积累串联碎裂(PASEF)进行。前体离子的m/z范围为350–1100,在12个MS/MS梯度中进行分析,每个梯度有两个或三个四极杆切换。每个循环包含30个MS/MS窗口,离子迁移率范围为0.65–1.30 (1/k0),每个步骤的固定分离窗口为25 Da。每个DIA-PASEF梯度的采集时间设置为100毫秒,总循环时间约为1.38秒。碰撞能量从65 eV(1/k0=1.6)线性增加到20 eV(1/k0=0.6)。
2.10 使用DIA-NN进行光谱反卷积
使用DIA-NN 1.8.2在无库模式下处理DIA-PASEF数据(Demichev等人,2020年)。对于TurboID和WT样本,每种组织以及AdvCre;TurboIDfl/fl和TurboIDfl/fl基因型,分别在单独的分析步骤中使用相同的光谱库进行处理。光谱库是从UniProt的Mus musculus蛋白质数据库中预测的,包含17,070个蛋白质条目(下载于2021-07-08);对于TurboID样本,还包含了链霉亲和素(P22629|SAV_STRAV)和TurboID序列。使用Trypsin/P进行计算机模拟消化,允许最多两次切割失误。每个肽最多允许三种可变修饰,包括甲硫氨酸氧化和N端乙酰化,而半胱氨酸氨基甲酰化被设置为固定修饰。搜索的肽长度范围为5到52个氨基酸。前体离子的m/z范围设置为350–1100,片段离子的m/z范围设置为100–1700。质量精度使用实验中的第一次运行自动确定。量化使用RT依赖的交叉运行归一化和Quant UMS(高精度)选项进行。主要的DIA-NN输出使用R包DiaNN处理,以提取MaxLFQ强度(Cox等人,2014年;Demichev等人,2020年)对所有鉴定的蛋白质组进行提取,应用q值阈值<0.01,无论是在前体离子还是基因组级别。矩阵根据蛋白质组合并,以用于后续分析。
2.11 神经元蛋白质富集
在合并之前,首先在每个组织/神经元组分内计算蛋白质富集情况。首先,过滤出具有独特基因符号的蛋白质,保留首次匹配的实例。如果在≥75%的AdvCre;TurboIDfl/fl样本中检测到蛋白质,并且没有对照样本,则认为该蛋白质被富集(类型‘A’)。这包括了大多数富集情况。对于在任何组织中≥75%的AdvCre;TurboIDfl/fl样本中检测到的蛋白质,以及任何数量的对照样本,使用标准的limma框架(‘lmFit’+‘eBayes’)(Ritchie等人,2015年)进行差异表达测试。蛋白质根据组织类型和TurboID状态进行分组建模,并在TurboID和对照样本之间进行对比(即Paw.Turbo—Paw.Control)。当FDR < 0.05且LFC > 1时,认为蛋白质被富集(‘DEP’)。支持信息表包含了每个比较的limma结果,包括logFC(对数倍数变化)、AveExpr(样本间的平均蛋白质表达)、t(t统计量)、P值(对应于t统计量的p值)、adj.P.Val(调整后的p值;假发现率)。对于移植片分析,我们使用上述的跨组织富集作为神经元富集的参考,而不是设定75%的阈值(即,首先使用此参考列表过滤移植片数据以检测神经元富集)。任何在turbo样本中检测到但在对照样本中未检测到的蛋白质(类型‘not in TurboIDfl/fl’),以及任何随后满足FDR < 0.05且LFC > 1的蛋白质(类型‘DEP’),都被认为在移植片神经元中富集。
2.12 通路分析
使用R中的‘enrichGO’函数对富集蛋白质和差异表达蛋白质进行GO富集分析,使用了ClusterProfiler和org.Mm.eg.db库(Wu等人,2021年)。提取了细胞组分(CC)和生物通路(BP),调整后的p值截止值为0.01(Benjamini–Hochberg校正)。为了考虑GO术语的冗余,使用默认设置简化输出:‘clusterProfiler::simplify(ego, cutoff=0.7, by=“p.adjust”, select_fun=“min, measure=“Wang”)。对于TurboID富集蛋白质的通路分析,使用了在四种野生型全细胞裂解物中检测到的所有蛋白质和TurboID样本中检测到的蛋白质作为背景。对于差异表达蛋白质的通路分析,使用了在比较中测试的所有蛋白质作为背景。为了对共表达模块进行路径分析(如下所述),将模块基因与神经元富集蛋白的整个集合进行了比较。
2.13 突触小体比较
将已发表的DIA-MS数据中的皮肤/爪部(Rawat等人,2025年)和脊髓(Casa?as和Montesinos,2022年)的突触小体数据分别与外周和中枢终末蛋白组进行了比较。重叠的蛋白质通过上述的‘ClusterProfiler’进行了路径分析,对比的是‘CC’(细胞组分)。人类基因名称使用R中的‘biomaRt’映射到小鼠基因。当有超过10条路径显著时,筛选出包含‘synap|signal|signalling|junction|membrane’的术语进行绘图,所有显著的检测结果都可以在表S3中找到。
2.14 亚型富集
使用过表达分析(ORA)计算了小鼠DRG转录组学中先前发布的自定义基因列表的神经元亚型富集情况(Barry等人,2023年;Zheng等人,2019年)。简而言之,使用DESeq2(Love等人,2014年;Zheng等人,2019年)从Zheng等人(2019年)的数据中计算了DRG神经元亚型的自定义基因富集列表。然后使用‘Clusterprofiler::enricher’(Wu等人,2021年)对每个组织中TurboID富集的蛋白质进行了ORA分析。对于每个组织,背景定义为在whole cell lysate或TurboID样本中检测到的任何蛋白质,并在ORA之前过滤掉自定义富集列表中的蛋白质。‘Clusterprofiler::enricher’不允许同时定义自定义背景集合和自定义基因集列表(而是仅使用自定义基因集中定义的蛋白质作为背景)。为了克服这个问题,将背景蛋白质定义为一个额外的基因集,并将基因集大小限制在2000个,以排除这个集合在直接富集分析中的影响,同时将其保留在背景中。FDR < 0.05被认为是显著富集的,FDR = 1用于绘图。
2.15 免疫细胞富集
通过‘ImmuCellAI’包(0.1.0)中的‘infiltration score’来确定免疫细胞的减少情况,这是一种基于GSEA的方法来查询免疫特征(Miao等人,2022年)。使用biomaRt包将蛋白质名称转换为人类基因符号,并将每个组织/区的表达情况与在bulk和/或turbo样本中检测到的所有蛋白质的背景进行对比,这与上述的路径分析相呼应。缺失值被替换为零,ImmuCellAI使用默认设置运行。‘infiltration score’从结果丰度矩阵中提取出来,用于通过ggplot2进行绘图。
2.16 性别二态性
使用标准的limma框架测试了每个组织的神经元蛋白组的雄性/雌性差异(Ritchie等人,2015年)。蛋白质使用Tissue和Sex的分组因子进行建模,并在Tissue内部进行M—F对比。当FDR < 0.05且abs(LFC > 1)时,蛋白质被认为是富集的。还通过limma的‘camera()’进行了表型排列(例如,随机化M/F标记),作为对路径失调的更保守的测试。当FDR < 0.05时,认为路径是富集的。
2.17 加权共表达网络分析
使用R中的WGCNA包(版本1.72-5)(Langfelder和Horvath,2008年)构建了一个加权蛋白质共表达网络。Turbo样本被过滤掉所有富集蛋白质的集合(即在任何组分中富集的蛋白质)。然后移除了仅在单个组分中表达的蛋白质以及方差为0的蛋白质,从而得到了一个包含3142个蛋白质和39个样本的矩阵。使用‘pickSoftThreshold(type = “signed”)’为有符号网络建立了软幂,模型拟合度为0.8。由于合理的幂值(< 30)无法建立无尺度拓扑拟合,这表明大基因组之间存在强相关性,从而违反了无尺度拓扑近似的假设。正如WGCNA包文档中指出的,这种情况在包含多种组织类型的数据集中很常见,而无尺度拓扑拟合的缺失本身并不使数据无效(Langfelder和Horvath,2008年)。因此,我们选择了推荐的14作为具有30-40个样本的有符号网络的软幂。网络邻接性使用‘adjacency (type = “signed”)’计算,拓扑重叠矩阵使用‘TOMsimilarity(TOMtype = “signed”)’计算,两者都使用默认设置。通过自适应分支修剪‘dynamicMods cutreeDynamic(dendro = geneTree, distM = dissTOM, deepSplit = 2, pamRespectsDendro = FALSE, minClusterSize = 30)’建立了模块。然后提取了模块特征基因以用于下游分析。
2.18 终末蛋白质-蛋白质相互作用网络
使用Cytoscape中的stringApp(Doncheva等人,2023年;Shannon等人,2003年)通过每个终末区的神经元富集蛋白质(“神经元蛋白组”)生成了大规模的蛋白质-蛋白质相互作用网络。对于外周终末区,一个包含433个蛋白质的核心簇通过高置信度(0.7)的蛋白质-蛋白质相互作用形成了紧密连接(Szklarczyk等人,2023年)。对于中枢终末区,2271个蛋白质形成了核心簇。然后对这些网络进行了进一步的聚类。在这里,使用Cytoscape中的ClusterMaker2通过GLay(Su等人,2010年;Utriainen和Morris,2023年)实现了Girvan-Newman快速贪婪算法进行了社区聚类。然后通过stringApp计算每个簇内的功能属性,分别以整个外周/中枢终末蛋白组为背景。簇编号有些任意,但与支持信息表中的完整富集细节相对应。
2.19 奥沙利铂效应
使用limma测试了化疗药物奥沙利铂对移植培养物的影响。对于从野生型小鼠中分离出的DRG移植物,奥沙利铂以25、50和100 μM的浓度(或溶剂)给予。这里的蛋白质被建模为浓度。在每个浓度内根据条件进行对比。对于TurboID小鼠,在建模之前首先过滤掉Turbo样本和TurboID富集的蛋白质。在每种情况下,使用limma根据处理条件(奥沙利铂—溶剂)进行对比。当FDR < 0.05且abs(LFC)> 0.5时,认为蛋白质表达有差异。下游处理在2.12节中有描述。与LFC和总体表达的比较是基于之前发表的体内奥沙利铂剂量的DIA-MS数据(Yang等人,2022年)。
2.20 秩-秩超几何重叠
在limma输出上进行了秩-秩超几何重叠(RRHO)测试。这里,通过R中的RRHO2库使用分层的‘-log10(p-values) × sign_effect size)’方法计算了一致和不一致的基因谱型(Cahill等人,2018年的建议)。
2.21 STRING分析
通过Cytoscape 3.10.3使用stringApp(Doncheva等人,2023年;Shannon等人,2003年)进行了STRING蛋白质-蛋白质相互作用分析。从ClusterProfiler输出中提取了每个显著生物途径的DEPs列表(见2.12节),并使用默认设置加载到stringApp中。蛋白质根据仅在TurboID中或在TurboID + bulk移植数据集中的差异表达进行着色。药物靶点通过https://dgidb.org/确定,并过滤掉‘regulatory approval == Approved’(Cannon等人,2024年)的。
2.22 免疫组化
对于免疫组化(IHC),组织的解剖方法与上述相同,但有所修改:不是取SC的背侧部分,而是取整个L3-5 SC。足底爪部样本不仅包含表皮和真皮,还包括骨头以下的所有层次。解剖后的组织在4°C下用4%甲醛/PBS固定3小时,然后在4°C下用30%(w/v)蔗糖进行过夜冷冻保护。切片时,组织被嵌入Tissue-Tek O.C.T.化合物中并冷冻。使用冷冻切片机获得连续切片(SCN,DRG:10 μm,SC:30 μm,皮肤:20–40 μm),并安装在SuperFrost Plus载玻片上。切片在?80°C下保存,直到进一步处理。冷冻切片在室温下解冻30分钟,然后在含有5%驴血清的0.4% Triton X-100/PBS中渗透和封闭30分钟。一抗在含有1%驴血清的0.1% Triton X-100/PBS中稀释,然后在4°C下过夜应用。在PBS中清洗三次后,切片在室温下用含有1%驴血清的PBS和0.1% Triton X-100的Alexa Fluor标记的二抗孵育2小时。未结合的抗体通过PBS清洗去除,切片使用含有4′,6-Diamidino-2-phenylindole(DAPI)的SlowFade Glass Soft-set Antifade Mountant Medium安装。使用的抗体列在表S1中。
2.23 图形
除非另有说明,否则使用R的基础函数和以下库来编译图表:ggplot2、ggbiplot、ComplexHeatmap、cowplot、gridExtra。图表和示意图是在Inkscape中设计的。
2.24 生成式AI的使用
生成式AI工具(OpenAI ChatGPT)仅用于改进措辞、清晰度和格式。所有科学概念、实验设计、假设和项目目标都是由研究团队开发的。没有包含合成或AI生成的数据。
3 结果
我们使用特征明确的Tg(Advillin-Cre)驱动线(这里称为AdvCre)(Barry等人,2023年;Lopes等人,2017年;Zheng等人,2019年;Zurborg等人,2011年)与此处生成的ROSA26em1(TurboID)Bros(TurboIDfl/fl)小鼠系(图1;有关在线生成、繁殖和饲养的详细信息,请参见方法部分)进行了交配,分析了小鼠DRG的感觉神经元区室蛋白组。在AdvCre+;TurboIDfl/fl小鼠中(这里称为AdvCre;TurboIDfl/fl),TurboID在Advillin阳性细胞的细胞质中表达,导致细胞内蛋白质的广泛生物素化,主要发生在感觉神经元中(图1A)。相应的对照组织来自缺乏AdvCre的同胞小鼠(AdvCre-;TurboIDfl/fl,称为TurboIDfl/fl)。这些AdvCre阴性的样本不表达TurboID,因此作为对照,以解释内源性生物素化(图1A)。也收集了野生型小鼠的组织用于下游比较(图1B)。图1在图查看器中打开
AdvCre;TurboIDfl/fl小鼠被用来靶向DRG神经元蛋白组。(A)DRG蛋白质生物素化的示意图概览。AdvCre;TurboIDfl/fl和TurboIDfl/fl小鼠被提供了富含生物素的水;在AdvCre;TurboIDfl/fl中,这促进了Advillin表达(+)细胞内蛋白质的生物素化。AdvCre阴性(?)细胞和来自TurboIDfl/fl的小鼠的组织只包含内源性生物素化的蛋白质。组织被裂解,生物素化的蛋白质被纯化,随后在timsTOF HT上进行LC–MS/MS分析(DIA-PASEF模式)。(B)从野生型(WT)小鼠中分离出每个对应组织的批量蛋白组。(C)来自TurboIDfl/fl(对照)和AdvCre;TurboIDfl/fl小鼠的代表性免疫组化结果。颜色代表不同组织。蓝色表示DAPI,洋红色表示Streptavidin-555(标记生物素)。比例尺=50 μm。DRG神经元是假单极的,具有向目标器官的外周分支和向脊髓的中心分支。为了覆盖这种空间复杂性,我们在饮用水中提供生物素7天后,从脊髓(SC)、DRG、坐骨神经(SCN)和爪部皮肤中分离组织(Branon等人,2018年;Rayaprolu等人,2022年)。生物素化的蛋白质在组织裂解后通过液相色谱-质谱联用(LC–MS/MS)进行分析。通过免疫组化(图1C,图S1A)和Western blotting(图S1B)确认了AdvCre;TurboIDfl/fl小鼠每个组织中的生物素化。正如预期的那样,我们在所有区室中都看到了明显的生物素标记(通过生物素-链霉亲和素可视化,图1C)。使用Western blotting,在组织裂解液中容易检测到生物素信号,但在皮肤中的信号较弱(图S1)。后者可能是由于裂解后蛋白质量较少,而通过免疫组化可以明显看到TurboID阳性的传入纤维(图1C,‘皮肤’)。为了生成一个全面和定量的DRG神经元区室蛋白组图谱,我们使用了DIA结合并行积累-连续片段化(DIA-PASEF)MS对AdvCre;TurboIDfl/fl和AdvCre阴性对照组织(TurboIDfl/fl)(图2,图S2–S5,表S1)。在DRG区室中检测到了重叠和不同的蛋白质(图2A)。将AdvCre;TurboIDfl/fl与TurboIDfl/fl对照进行比较,显示出AdvCre;TurboIDfl/fl样本中有更多的蛋白质(图S2A)和更多的蛋白质组(图S2B)。样本还按照AdvCre;TurboIDfl/fl区室(图2B)和基因型(图2C;图S2C)进行了聚类。完整的表达矩阵在表S1中。图2在图查看器中打开
TurboID引起的蛋白质富集。(A)按样本计算的蛋白质数量,‘overlap’代表在AdvCre;TurboIDfl/fl和TurboIDfl/fl对照组织中都检测到的蛋白质。(B,C)AdvCre;TurboIDfl/fl(B)以及AdvCre;TurboIDfl/fl和TurboIDfl/fl(C)的PCA。(D)火山图根据它们在AdvCre;TurboIDfl/fl中的LFC突出显示DEPs。(E)富集蛋白质的数量,包括来自D(AdvCre;TurboIDfl/fl vs. TurboIDfl/fl)的DEPs,以及在AdvCre;TurboIDfl/fl中检测到但在TurboIDfl/fl对照中未检测到的蛋白质(‘not in TurboIDfl/fl’)。(F)组织间的蛋白质富集比较。(G)之前发表的DRG神经元和亚型标记的动态范围图(LaCroix-Fralish等人,2007年;Tavares-Ferreira等人,2022年;Zheng等人,2019年),作为所有区室的中位表达值绘制。
3.1 TurboID介导的蛋白质在区室间的富集
在AdvCre;TurboIDfl/fl中,根据两个标准考虑蛋白质富集:A;在AdvCre;TurboIDfl/fl样本中检测到但在TurboIDfl/fl样本中未检测到的蛋白质;或B;在AdvCre;TurboIDfl/fl样本中显著上调的蛋白质,与TurboIDfl/fl相比(log2倍数变化(LFC)> 1,FDR < 0.05,见方法部分)(图2D–F,表S2)。这些上调的蛋白质被称为差异表达蛋白质(DEPs)。此外,还有一些下调的蛋白质,可能反映了内源性生物素化,例如Acaca、Acacb、Mccc1和Pcca(图2D),这些在邻近标记研究中经常报告(Dumrongprechachan等人,2021年;Sun等人,2022年)。然后结合所有基于上述标准A和B的富集蛋白质,跨区室进行比较(图2E,F),并同等对待所有下游分析。我们发现体细胞(DRG)中的富集蛋白质数量最多,其次是中枢终末(terminalsc,SC),然后是轴突(SCN),最后是外周终末(terminalsp,皮肤),以及重叠和不同的蛋白质(图2E,F)。在动态范围内,我们观察到AdvCre;TurboIDfl/fl样本中的神经元细胞类型标记物(例如Calca、Osmr、Piezo2)和关键痛觉感受器离子通道(例如Scn8a-10a;Trpv1)比TurboIDfl/fl样本更为丰富(图2G,图S2D;蛋白质的完整列表见表S2)。值得注意的是,在皮肤中,AdvCre已知在初级传入神经元和梅克尔细胞中表达(Hunter等人,2018年)。因此,我们也在皮肤中检测到了梅克尔细胞标记物(例如Krt20),但在其他组织中未检测到(表S2)。综合来看,我们的结果得到了一个经过筛选、富集的、按组织分类的小鼠初级感觉神经元蛋白质组,每个组织中的蛋白质数量从数百到数千不等。
3.2 神经末梢蛋白质的富集
从皮肤或脊髓中分离神经元亚群的另一种方法是突触小体分离。突触小体制备可以同时分离突触前和突触后结构,并与其他组织成分区分开来。最近,研究人员对小鼠和人类的皮肤突触小体进行了分析,而没有针对特定细胞类型进行定制(Rawat等人,2025年)。尽管提取的组织类型有所不同,但我们的邻近标记方法和从任一物种中提取突触小体的方法都应该能够分离出感觉末梢的突触亚群。为了验证这一点,我们评估了两个富集数据集中的重叠蛋白质,并比较了这些重叠蛋白质中的细胞亚群通路(图3A,小鼠;图3B,人类)。实际上,当我们比较重叠蛋白质时,确实发现与突触相关的通路术语在小鼠数据集中有显著的富集(图3A)。此外,当我们比较小鼠TurboID数据与人类皮肤突触小体数据时,也观察到了趋势性的富集(图3B,FDR约0.07–0.09)。后者可能反映了尽管存在物种差异,但已鉴定蛋白质之间的相似性(Segelcke等人,2023年)。总体而言,这一比较加强了并验证了我们的TurboID数据,并补充了已发表的突触小体数据。虽然TurboID和突触小体分析都提取了与突触相关的蛋白质(图3A),但在我们的TurboID数据集中,我们检测到了数百种与突触亚群相关的蛋白质,而这些蛋白质在爪部突触小体部分并未被报告(Rawat等人,2025年),例如Syn1、Syn2和Synj1(图3C,表S3)。
3.2 神经末梢蛋白质的富集
从皮肤或脊髓中分离神经元亚群的另一种方法是突触小体分离。突触小体制备可以同时分离突触前和突触后结构,并与其他组织成分区分开来。最近,研究人员对小鼠和人类的皮肤突触小体进行了分析,而没有针对特定细胞类型进行定制(Rawat等人,2025年)。尽管提取的组织类型有所不同,但我们的邻近标记方法和从任一物种中提取突触小体的方法都应该能够分离出感觉末梢的突触亚群。为了验证这一点,我们评估了两个富集数据集中的重叠蛋白质,并比较了这些重叠蛋白质中的细胞亚群通路(图3A,小鼠;图3B,人类)。实际上,当我们比较重叠蛋白质时,确实发现与突触相关的通路术语在小鼠数据集中有显著的富集(图3A)。此外,当我们比较小鼠TurboID数据与人类皮肤突触小体数据时,也观察到了趋势性的富集(图3B,FDR约0.07–0.09)。后者可能反映了尽管存在物种差异,但已鉴定蛋白质之间的相似性(Segelcke等人,2023年)。总体而言,这一比较加强了并验证了我们的TurboID数据,并补充了已发表的突触小体数据。虽然TurboID和突触小体分析都提取了与突触相关的蛋白质(图3A),但在我们的TurboID数据集中,我们检测到了数百种与突触亚群相关的蛋白质,而这些蛋白质在爪部突触小体部分并未被报告(Rawat等人,2025年),例如Syn1、Syn2和Synj1(图3C,表S3)。
3.3 神经亚型的富集
使用AdvCre可以靶向周围神经系统(PNS)中的大多数感觉神经元(Zurborg等人,2011年)。为了评估我们数据集中神经亚群的代表性,我们使用来自已发表的深度RNA-seq数据的精心策划的神经亚型标记物列表进行了基因集富集分析(Barry等人,2023年)。正如预期的那样,最强的亚型富集出现在背根神经节(DRG)中,非肽能性(NP)和肽能性痛觉感受器(PEP)的标记物显著富集,以及低阈值机械感受器(LTMRs;包括A-field-LTMR、C-LTMR和AB-LTMR)的混合(图3E)。在所有组织中,都出现了神经亚型的正向趋势。NP痛觉感受器、A-field-LTMR和C-LTMR的显著富集尤为明显(图3E,表S3)。这些发现表明,我们的邻近标记方法保留了感觉神经元亚型在其解剖学域中的分子多样性。
3.4 组织间的性别差异
为了探索性别特定的分子差异,我们分析了雄性和雌性小鼠在所有组织中的差异蛋白质表达(图S3)。FDR < 0.05时,TurboID富集的蛋白质组在性别间大体上是保守的,只有少数例外,如abs(LFC) > 1的蛋白质,例如中央末梢中的Lgi1和Sprr1a以及周围末梢中的Brd4和Palm2(图S3A,表S4)。为了获得更广泛的生物学见解,我们还使用排序的LFC进行了基因集富集分析。这项分析揭示了一些通路的性别差异调节(图S3B)。在周围末梢,我们看到了循环和血管通路的差异,而在细胞体中则看到了肽生物合成和大分子生物合成的差异。我们进一步通过表型排列进行了潜在的性别差异探索,但未在任何组织中发现任何调节通路。总体而言,我们仅检测到极少的性别差异证据,这与本研究中使用的样本量较小(n = 4)是一致的。需要更大的样本量才能辨别出天真小鼠中可能的性别差异,因为性别差异很可能是中等的(Barry等人,2023年)。
3.5 功能特征显示了神经亚群的分离
为了提取相应的功能特征,我们对相应组织中表达的所有蛋白质进行了基因本体(GO)通路分析(图4)。虽然每个组织中都检测到了神经元特征,但它们也表现出功能特异性(图4,表S5)。初级传入神经元与脊髓背角中的次级神经元形成突触。这对应于参与突触前功能和神经元间突触信号传导的蛋白质的富集,以及囊泡介导的运输、胞吐作用和其他与突触相关的术语。DRG包含神经元细胞体,因此,相应的功能富集与预期一致。在这里,我们观察到参与mRNA处理、翻译后修饰和核结构的蛋白质富集,这与神经元细胞体中的生物合成活动相符。
3.6 TurboID蛋白质组学提供了对末端结构的独特视角
为了探索蛋白质相互作用和功能组织,我们使用STRING构建了基于TurboID富集蛋白质组的加权共表达网络(图5)。首先,使用WGCNA软件包在R中构建了共表达网络,设置了14的软功率阈值。识别出十个蛋白质共表达模块(排除了未分配的“灰色”模块),每个模块至少包含30种蛋白质(图5A)。其中,九个模块与解剖学组织有显著相关性(FDR < 0.05),而没有一个模块与性别相关(图5B)。后者与我们的通路分析(图S3)一致,并且与早期关于DRG神经元轻微性别差异的发现一致(Barry等人,2023年;Tavares-Ferreira等人,2022年)。
3.7 TurboID蛋白质组学提供了对末端结构的独特见解
为了探索蛋白质相互作用和功能组织,我们使用STRING构建了大规模的蛋白质-蛋白质相互作用(PPI)网络(图6,图S4)。然后使用Girvan-Newman快速贪婪算法生成了社区簇(Su等人,2010年;Utriainen和Morris,2023年),并计算了每个簇的功能富集。在外周末梢(皮肤)中,蛋白质组揭示了一个多样且功能丰富的景观,涵盖了蛋白质运输、代谢途径和信号转导(图6)。检测到了一系列蛋白质类别,包括SNARE复合体成分如Syntaxin-7和Snap25,以及伴侣蛋白和泛素相关蛋白如Usp7和热休克蛋白。值得注意的是,即使不是所有(详见下面的讨论),也检测到了一些与疼痛相关的离子通道(Trpv1、Scn10a和Scn11a),这些通道被注释为参与膜运输和胞吐作用。在脊髓的中央末梢(SC)中也观察到了类似的模式,其中聚类显示了广泛的功能异质性(图S4,表S8)。富集的簇包括参与信号转导、内体处理和膜运输的通路——这些都是突触信号传导和神经传递的标志性过程。这些分析表明,通过TurboID进行的邻近标记能够以前所未有的方式洞察原本无法访问的神经亚群的蛋白质组结构。
3.7 TurboID蛋白质组学比批量组织蛋白质组学提供了更深入的见解
为了说明基于TurboID的邻近标记的优势,我们将我们按组织分离的蛋白质组与传统的批量组织蛋白质组进行了比较。我们收集了皮肤、SCN、DRG和SC的样本,并使用与上述TurboID样本相同的质量谱(MS)工作流程确定了蛋白质组(图S5,表S9)。正如预期的那样(Barry等人,2018年;Xian等人,2022年),我们每个组织检测到了数千(7000–9000)个蛋白质组(图S5A),样本按组织进行了聚类(图S5B)。与早期研究一致(Barry等人,2018年;Xian等人,2022年),我们在批量数据集中识别出许多神经元蛋白质。虽然这些批量组织蛋白质组与TurboID富集的蛋白质组有大量重叠,但后者在每个组织中还识别出了数十种额外的蛋白质(表S10;例如批量皮肤与TurboID富集的外周末梢的对比,图S5D)。为了进一步评估TurboID蛋白质组所实现的富集程度,我们比较了TurboID蛋白质组中存在的免疫细胞亚型的程度与批量组织蛋白质组(图S5E)。使用ImmuCellAI(Miao等人,2022年)计算了“免疫浸润评分”,该评分反映了跨免疫细胞亚型的综合GSEA富集。确实,与批量组织样本相比,我们在TurboID富集的蛋白质组中获得了减少的免疫特征,进一步验证了我们的方法(图S5E)。这突出了基于TurboID的蛋白质组学的两个关键优势:首先,它能够以Cre依赖的方式在同一组织中富集蛋白质。其次,TurboID提高了细胞含量稀少的组织中的检测灵敏度,例如皮肤中的外周末梢。在这些区域,使用批量蛋白质组学检测感觉神经元特异性蛋白质——特别是离子通道——一直具有挑战性,并且大多不成功(Dyring-Andersen等人2020年;Xian等人2022年)。相比之下,基于TurboID的分析在外周末梢恢复了功能上重要的特征,例如显著的药物靶点,如Scn10a、Scn11a和Trpv1,从而提供了对以前无法访问的细胞区的分子访问(图6,图S5D)。总之,这些数据强调了基于TurboID的蛋白质组学在复杂组织中解析细胞类型特异性蛋白质组的强大能力。重要的是,这一策略为研究疾病模型中传入末梢的蛋白质组动态以及药物干预的响应开辟了途径。
3.8 TurboID蛋白质组学揭示了奥沙利铂治疗后的神经元富集变化
接下来,我们在药理学背景下测试了我们的TurboID工作流程的实用性。为此,我们选择了奥沙利铂这种化疗药物。CIPN是一种常见且常常引起疼痛的状况,会影响PNS,并已知会影响DRG中的神经元和非神经元细胞(Sisignano等人2014年)。遵循动物研究的3R原则,我们使用DRG移植模型来探索体外奥沙利铂引起的神经元体细胞的变化(图7,图S6和S7,表S11–S16)。移植体暴露于奥沙利铂(25、50或100 μM)或载体(Veh)48小时。虽然我们不知道这些移植体中奥沙利铂的积累程度,但选择的奥沙利铂浓度是基于之前关于其对DRG移植体突起生长的影响的报告(Livni等人2019年)。图7:在图查看器中打开
奥沙利铂处理的AdvCre;TurboIDfl/fl移植体突出了神经元的失调。(A) TurboID蛋白质组(AdvCre;TurboIDfl/fl)的火山图,比较奥沙利铂和载体。(B) 体积(WT,灰色)和TurboID(橙色)移植体蛋白质组之间的DEP重叠。(C) (B)中重叠DEPs的LFC之间的相关性。(D) TurboID和体积DEPs之间的语义相似性。(E) 奥沙利铂处理后神经元生物途径的下调,突出显示了跨途径重叠的蛋白质计数。(F) 来自(E)的调节途径中DEPs的STRING蛋白质-蛋白质相互作用网络。i, TurboID富集蛋白质组中的LFC。ii, 来自dgidb.org的批准药物靶点用虚线圆圈标出。仅在TurboID富集蛋白质组中检测到的DEPs用橙色表示,与体积分析重叠的用灰色表示。LFC,log2倍数变化。与上述的区室蛋白质组类似,我们确定了野生型小鼠的DRG移植体的体积蛋白质组,并将这些数据与从AdvCre;TurboIDfl/fl小鼠获得的TurboID富集蛋白质组进行了比较(与TurboIDfl/fl对照组相比)。在野生型小鼠的体积蛋白质组中,我们识别出约7200个蛋白质组(图S6A,表S11),其聚类由奥沙利铂浓度驱动(图S6B,C)。与早期研究(Yang等人2022年)一致,奥沙利铂暴露导致了广泛的蛋白质组变化,包括已知神经元蛋白质的改变(图S6D–E,表S12)。当将我们的DRG移植体数据与之前的体内研究(Yang等人2022年)进行比较时,我们看到了蛋白质表达的强烈相关性(图S6F)。接下来,我们使用了秩-秩超几何重叠测试,并观察到两个数据集之间DEPs的良好一致性(图S6G)。这些比较表明奥沙利铂引起的蛋白质组变化相似,验证了我们的移植体模型。接下来,我们用奥沙利铂或其载体处理了来自AdvCre;TurboIDfl/fl小鼠和TurboIDfl/fl对照组的DRG移植体(图7,图S7,表S13)。正如预期的那样,AdvCre;TurboIDfl/fl移植体与TurboIDfl/fl对照组相比表现出显著的蛋白质富集(图S7A)。样本在第一个主成分(PC)中按遗传学聚类,在第二个PC中因药物处理而略有分离(图S7B)。在奥沙利铂处理的(图S7C,左)和载体处理的(图S7C,右)移植体中,AdvCre;TurboIDfl/fl样本(与TurboIDfl/fl相比)显示出大约2500个蛋白质组的稳健TurboID介导的富集(图S7D,表S14)。在这个TurboID富集的蛋白质组中,我们检测到奥沙利铂处理后与载体处理对照组相比有大量的DEPs(图7A,表S15)。值得注意的是,这些差异仅在部分反映在体积移植体蛋白质组中(图7B)。尽管如此,我们仍然看到奥沙利铂处理后体积移植体和TurboID富集蛋白质组之间的高秩-秩超几何重叠(图7C),以及DEPs之间的高语义相似性(图7D)。接下来,我们评估了DRG移植体蛋白质组中与DEPs相关的功能。奥沙利铂处理后,与氨基酸运输和细胞粘附相关的途径在TurboID富集的蛋白质组中下调(图7E,表S16)。为了进一步解析这些途径,我们基于与途径相关的DEPs构建了一个相应的PPI网络(图7F)。这揭示了多个功能模块中的显著下调(图7Fi)。虽然一些DEPs在体积和TurboID富集的移植体蛋白质组中都被调节,但其他DEPs仅在TurboID富集的蛋白质组中被检测到(图7Fii)。后者包括Trpv1、Scn11a和Calca,以及包含Itgb1、Lama2和Rock2的中心模块——这些都是已批准药物的靶点(https://dgidb.org/)。例如,用于疼痛的辣椒素贴片(靶点:Trpv1)和针对某些甲状腺癌症的激酶抑制剂Vandetanib(靶点:Rock2)(https://dgidb.org/)。这些发现说明了TurboID介导的蛋白质组学的增强分辨率,揭示了在批量组织分析中可能被掩盖的分子变化。因此,我们的TurboID工作流程为解析复杂组织中的疾病机制和治疗效果提供了一个强大的工具。
4 讨论
作为一个通用的概念验证,我们展示了我们的TurboID(TurboIDfl/fl)小鼠品系如何能够在解剖学上不同的区室中实现细胞类型特异性的蛋白质组标记。我们将其与AdvCre配对,以将TurboID表达靶向DRG的主要感觉神经元,从而在神经元区室中实现了稳健的生物素化。使用DIA-PASEF MS,我们提供了前所未有的见解,了解了从外周到中枢末梢的DRG神经元蛋白质组。这种空间分辨率在DRG神经元的外周末梢尤为重要。外周神经末梢通常通过免疫组织化学来表征,而且基本上无法通过无偏见的组学方法进行研究。无论是我们的批量蛋白质组数据还是之前来自小鼠皮肤或人类皮肤的高覆盖率DIA-MS数据集都无法分析关键的感觉神经元标记物(Dyring-Andersen等人2020年;Rawat等人2025年;Xian等人2022年)。稀疏的分子特征常常被主导的细胞类型所掩盖,这可能限制了在皮肤中检测神经元特征的能力。类似的考虑也适用于转录组分析。虽然单细胞和单核RNA测序对于细胞类型分辨的转录组很有价值,但它们通常仅限于DRG内的细胞体,缺乏蛋白质组分辨率,并且无法捕获远端区室(Grindberg等人2013年;Matzinger等人2023年)。空间测序的扩展有助于解决许多这些问题,尽管最近的坐骨神经空间转录组学尚未解析出神经元特异性簇(Ferreira等人2024年),据我们所知,仍缺乏包含皮肤外周末梢的高分辨率空间测序数据集。在这里,我们使用了基于TurboID的蛋白质组学,能够在外周末梢分析神经元标记物和显著的药物靶点,如Trpv1、Scn10a和Scn11a。因此,目前,我们的基于TurboID的蛋白质组图谱提供了覆盖小鼠DRG感觉神经元区室范围的独特空间轮廓。我们期望我们的数据将为将空间组学扩展到以前无法访问的细胞类型和区室的持续努力提供一个有价值的蛋白质级垫脚石。TurboID方法的一个优势是能够探测在一个区室中富集的蛋白质。许多在中心末梢富集的蛋白质与突触功能和囊泡运输有关。此外,我们还检测到了一些与疼痛和体感相关的蛋白质,如Lgi1、Stoml3和Cacng2(Bortsov等人2019年;Farah等人2024年;Lafrenière和Rouleau 2011年;Wetzel等人2017年)。在轴突中,一些功能相关的蛋白质被富集,包括Arhgap32、Atp1a2和Kcnab3。Arhgap32(也称为Grit、Rics或p250GAP)是一种GTP酶调节剂,与Ntrk1相互作用以调节突起生长(Kannan等人2012年;Nakamura等人2002年)。Atp1a2编码一种ATP酶Na+/K+转运亚基,在偏头痛中起作用(Murata等人2020年),而Kcnab3是一种摇摆型钾离子通道亚单位,可能表达在结节点和旁结节点区域(Rasband和Trimmer 2001年)。摇摆型通道通常参与调节兴奋性(Rasband等人2001年),但Kcnab3表达的影响尚不清楚,需要进一步的研究来更好地理解DRG感觉神经元的功能。虽然这不是本研究的主要焦点,但我们还能够探测到不同区室之间的神经元性别差异,扩展了之前关于小鼠和人类的性别二态性的报告(Barry等人2023年;North等人2019年;Tavares-Ferreira等人2022年;Xian等人2022年)。在感觉神经元亚型中,我们看到雄性和雌性神经元之间存在边际差异。然而,考虑到我们的样本量和据报道的幼稚小鼠感觉神经元中的性别二态性有限(Barry等人2023年),这是可以预期的。为了展示如何在临床相关的疾病背景下利用TurboID邻近标记来研究功能变化,我们研究了CIPN的DRG移植体模型中的蛋白质组动态。奥沙利铂暴露导致体积和TurboID富集蛋白质组中广泛的蛋白质组变化,这是预期的。虽然DEP集在体积和TurboID富集之间有所不同,但富集途径的语义相似性很高,表明了共同的生物学反应。我们TurboID方法在移植体中的一个主要好处是神经元的富集,突出了有机阴离子和氨基酸运输途径的紊乱。这与在整个由多种细胞类型组成的DRG蛋白质组中看到的奥沙利铂的更普遍效应形成对比,并突出了DRG移植体模型用于快速体外筛选神经毒性效应的实用性。在CIPN的背景下,已经广泛报道了转运体的紊乱(Filipski等人2009年;Huang等人2020年;Litke等人2022年;Schulte和Ho 2019年;Sisignano等人2014年;Sprowl等人2013年)。有机阳离子转运体,如Oct2,已被认为参与奥沙利铂的吸收,并且它们的活性有助于神经毒性(Sisignano等人2014年;Sprowl等人2013年)。类似地,有机阴离子转运多肽(OATPs)影响CIPN的病理生理学(Leskel?等人2011年;Li等人2023年;Schulte和Ho 2019年)。转运体功能的受损可能导致DRG中的药物积累,从而导致线粒体功能障碍、氧化应激和神经炎症,这些都是CIPN发病机制的基础(Sisignano等人2014年)。在我们的研究中,几种转运体在奥沙利铂处理后下调。一些变化在神经元和体积蛋白质组中都明显(例如,Slc7a14、Slc2a3),而其他变化(例如,Slc1a4、Slc3a2、Slc33a1)仅在研究神经元蛋白质组时才能检测到。继续研究这些转运途径可能会提供新的策略来减轻CIPN,同时保持化疗的抗癌效果,已有尝试针对这些转运体的药物正在开发中(Li等人2023年)。当与传统的批量分析结合使用时,我们的方法提供了对药物处理和疾病模型中蛋白质组景观的多层次视图,补充和扩展了体内的工作。
4.1 局限性
这项研究提供了DRG感觉神经元的定量、区室蛋白质组图谱,对该领域具有宝贵的参考价值。然而,它并不全面,报告的是神经元富集的蛋白质组,而不是神经元特异性的蛋白质组。特别是,检测低丰度跨膜蛋白质被认为是具有挑战性的。通过提高质谱灵敏度、生物素化效率和样品制备协议,可以进一步改进这一点。在外周末梢和轴突中获得的蛋白质鉴定较少——这可能是由于组织组成的异质性和神经元含量稀少——导致相对于细胞体和中心末梢的偏倚,其中神经元的蛋白质密度较高。虽然我们的结果代表了一个稳健的起点,但未来在各种生物学条件下进行更深入的覆盖和区室内部比较的研究对于推进我们对末端区域分子特征的了解至关重要。同样,更深入的覆盖和更高的灵敏度将使未来工作能够区分感觉神经元亚型及其稀疏的外周末梢成为可能。
4.2 未来方向
使用TurboID转基因小鼠的一个关键优势是能够探究其他情况下无法访问的细胞区室。之前在小鼠和人类中的研究表明,在疼痛条件下表皮内神经纤维密度发生了变化(Middleton等人2021年;Schmidt等人2022年)。将我们的区室蛋白质组与体内功能测试相结合,将在未来的研究中提供对潜在分子变化及其与行为结果相关性的丰富理解。另一个主要好处是基于Cre的重组的灵活性。在scRNA-seq(和空间)转录组学中,伪批量分析经常用于比较不同条件下的细胞类型内部变化。结合适当的转基因驱动因子和下游DIA-MS,TurboIDfl/fl可以用于生成相应细胞类型的蛋白质组进行多组学分析。在感觉神经元的背景下,这可以是亚型靶向(例如,MrgprdCre或ThCre)或损伤特异性靶向(例如,Atf3Cre)(Cooper等人2024年;Zheng等人2019年)。更广泛地说,我们的方法可以扩展到多种细胞类型,例如皮肤中的成纤维细胞、DRG中的卫星胶质细胞或背角中的中间神经元(仅举几例)。
**5 结论**
在这项研究中,我们生成了一种TurboIDfl/fl转基因小鼠,并利用它系统地分析了DRG感觉神经元各部分的蛋白质组。从周围末梢到中枢末梢,我们提供了一个涵盖DRG感觉神经元各部分的蛋白质组图谱。我们的发现揭示了特定于这些区域的蛋白质分布,这些分布反映了神经元的分化功能。此外,我们还报告了CIPN(中枢性感觉神经病)移植模型中一些先前未知的变化。总体而言,我们的方法流程和获得的数据为研究周围神经系统(PNS)中的神经元分化和蛋白质组动态提供了极其宝贵的资源。
**作者贡献**
方法优化、样品制备和数据收集由J.R.S.完成,F.X.、D.V.G.和M.S.提供了指导。分析工作由A.M.B.完成,J.R.S.、F.X.和M.S.也参与了其中。质谱分析由F.X.完成,J.R.S.和D.G.-V.提供了帮助。概念构思和资金申请由M.S.负责,D.G.-V.也参与了其中。奥沙利铂实验由J.R.S.和T.H.执行。TurboIDfl/fl小鼠的构思、设计、生成和验证工作由N.B.、F.B.、D.S.和N.L.完成。手稿由A.M.B.、J.R.S.和M.S.撰写,所有作者都参与了其中。所有作者均批准了最终提交的版本。
**致谢**
作者感谢来自AGCTLab(马克斯普朗克多学科科学研究所,哥廷根分子神经生物学系)的Christiane Harenberg、Dayana Warnecke和Mia Wzietek在技术支持和基因分型方面的帮助,同时也感谢维也纳大学的Nicole Kanta和Sabrina Grundtner提供的出色协助。我们感谢马克斯普朗克研究所的动物房以及维也纳大学药学系的小鼠房工作人员在饲养和管理小鼠方面的专业支持。此外,我们还要感谢Kimmina博士、Schr?pler博士、Fuenfschilling博士和Papadopoulos博士(均来自马克斯普朗克研究所)在所有与小鼠相关问题上的支持,以及Elham Barkhordar博士和Dominic Winter博士(德国波恩大学)关于BioID方法的初步讨论。我们还要感谢Schmidt实验室的所有成员进行的富有成果的讨论。这项工作部分得到了奥地利科学基金(FWF,项目编号10.55776/P36554,资助给M.S.)、维也纳大学(资助给M.S.)、马克斯普朗克学会、德国研究基金会(卓越战略EXC-2049?390688087,资助给N.L.)以及CRC 1286“定量突触学”项目(A11部分资助给N.L.,A09部分资助给N.B.)的支持。维也纳大学/KEM?提供了开放获取资金的资助。
**利益冲突**
作者声明与本研究无关的任何利益冲突。N.L.是TRACE Neuroscience公司的科学顾问委员会成员。M.S.和D.G.-V.与Bruker公司保持着持续的科学合作,但这种合作并未对本文的内容产生影响。
**数据可用性声明**
MS的蛋白质组数据(包括元数据、fasta文件以及每个数据集的基因组矩阵)已通过PRIDE(Perez-Riverol等人,2022年)合作伙伴存储库上传至ProteomeXchange联盟,数据集标识符为PXD062198。处理后的数据也可在github上获取(https://github.com/aliibarry/turboID/data/)。如有关于TurboID小鼠品系的咨询,请联系Nils Brose(brose@mpinat.mpg.de)或Noa Lipstein(lipstein@fmp-berlin.de)。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号