大爆发！本周 8 篇华人科学家论文“霸屏”Nature - 热点 - 科研解读

所有文章 > 正文

大爆发！本周 8 篇华人科学家论文“霸屏”Nature

作者: 学术头条

浏览量: 474

时间: 2020-05-16 08:52

关键词: Nature，华人科学家，冷冻电镜技术，ACAT1

2020 年 5 月 13 日，国际顶级学术期刊 Nature 在线发表了 16 篇研究性文章，其中 8 篇文章的第一作者或通讯作者为华人科学家，可以说在这一期的 Nature 中成功“霸屏”，占据了“半壁江山”。

接下来，我们就看一下这8篇文章为各种的领域带来了哪些突破性的进展吧。

首先是结构生物学女神级大佬颜宁，值得一提的是，颜宁团队在本期Nature共发表了两篇研究性论文，分别揭示了人源DGAT1同源二聚体结构、人源ACAT1同源二聚体和四聚体的结构及其潜在生物学价值。

(图片来源：Nature)

在本研究中，贝勒医学院周鸣教授和普林斯顿大学颜宁教授团队合作，解析了二酰甘油酰基转移酶 1（Diacylglycerol-O-Acyltransferase, DGAT1）的结构。DGAT 是催化生成三酰甘油酯（triacylglycerol, TAG）的关键酶，而三酰甘油酯又是人体脂肪组织和血脂的主要成分（约占 95%），是生命体中至关重要的能量储存物质。同时，甘油三酯合成增加则会引起高甘油三酯血症，后者是导致肥胖、冠心病、高血压、糖尿病等代谢性综合征、心血管相关疾病发生的重要危险因素。

总的来说，该研究利用单颗粒冷冻电镜技术，首次解析了分辨率为 3.1Å 人源 DGAT1 的同源二聚体结构，并确定了其底物酰基辅酶 A（acyl-CoA）在 DGAT1 上的结合位点，这些发现对于开发针对 DGAT1 靶点抑制剂具有重要指导作用。

(图片来源：Nature)

在另外一项研究中，颜宁团队将研究重点聚焦在酯酰辅酶A:胆固醇酰基转移酶(Acyl-CoA: cholesterol Acyltransferase, ACAT1 酰基转移酶)的结构上，ACAT1 酰基转移酶能够将长链脂肪酸转移到胆固醇中，进而通过酯化作用形成胆固醇酯，并结合成胞质脂滴。前期研究表明，ACAT1 与动脉粥样硬化、阿尔茨海默病和癌症等疾病的发生有关，因此可作为治疗这些疾病的潜在药物靶点。

(图片来源：Nature)

这项研究首次解析了人源 ACAT1 的同源二聚体以及四聚体结构，在此基础上通过实验确定了酰基辅酶 A（acyl-CoA）在 ACAT1 上的结合位点及其识别底物的机理。这种结构和生化特征的研究有助于加深对 ACAT1 的理解，并可指导 ACAT1 在疾病治疗中的应用。

(图片来源：Nature)

与上文提到的第一篇文章相似，哈佛大学医学院廖茂富教授课题组及其合作者也在同期 Nature 发表了题为“Structure and catalytic mechanism of a human triacylglycerol-synthesis enzyme” 的最新研究成果。

(图片来源：Nature)

在本研究中，研究人员通过冷冻电镜技术（Cryo-EM），首次解析了分子量为 55 kDa 的 DGAT1 的蛋白结构，并系统地阐明了 DGAT1 识别底物及催化甘油三酯合成的内在分子机制。首次阐明 DGAT1 如何参与人类甘油三酯的合成与代谢，同时也为相关疾病的药物研发奠定了理论基础。

(图片来源：Nature)

第四篇文章仍然属于结构生物学范畴，该研究来自美国德克萨斯大学西南医学中心李晓淳研究组。上文中提到，ACAT1 酰基转移酶能够将长链脂肪酸转移到胆固醇中，其在胆固醇稳态中发挥着重要作用。

(图片来源：Nature)

该研究解析了共纯化的 ACAT1 蛋白与抑制剂 nevanimibe 的高分辨率冷冻电镜结构，其中 nevanimibe 是一种治疗先天性肾上腺增生的临床试验抑制剂。研究发现 ACAT1 能够通过它的变构位点感知游离胆固醇，并根据此调节其催化酯化反应。这种调节机制是维持内质网中胆固醇的稳态的关键因素。这项研究对于胆固醇酯化作用过程以及抑制剂 nevanimibe 的抑制作用机制给出了结构生物学方面的模型，这可能有助于加速 ACAT1 抑制剂的开发来治疗相关疾病。

(图片来源：Nature)

当前，全球能源需求迅速增长，用可再生能源取代排放二氧化碳的化石燃料的需求已促使人们对太阳能和风能进行化学储存的研究兴趣。

这项来自多伦多大学电子与计算机工程系的研究通过密度泛函理论计算结合主动机器学习识别到铜铝电催化剂，发现它能有效地将二氧化碳还原为乙烯，具有迄今为止所报道的最高的法拉第效率。同时，他们进行的计算研究表明，铜铝合金提供了多个表面定向位点与 CO 结合，能够有效地进行二氧化碳还原。这些发现说明了计算和机器学习在指导多金属系统的实验探索方面的价值，这些系统超越了传统的单金属电催化剂的局限性，为材料的研发提供了新的思路。