陈枢青教授与哈佛大学医学院周界文教授、吴皓教授合作在2019年第6期《细胞》(Cell)发表了题为“Higher-order clustering of the transmembrane anchor of DR5 drives signaling”的研究论文(https://doi.org/10.1016/j.cell.2019.02.0...陈枢青教授与哈佛大学医学院周界文教授、吴皓教授合作在2019年第6期《细胞》(Cell)发表了题为“Higher-order clustering of the transmembrane anchor of DR5 drives signaling”的研究论文(https://doi.org/10.1016/j.cell.2019.02.001)。该研究首次揭示了死亡受体5(death receptor 5,DR5)在激活后其跨膜区高度聚集,并直接激活下游的细胞凋亡通路。此外,该研究还提出DR5的胞外区在DR5激活前起到自我抑制作用,阻止DR5跨膜区的聚集倾向,从而防止受体由于跨膜区聚集而自动激活。该研究成功解释了部分二聚体或单体的抗体片段为何能够像三聚体的DR5肿瘤坏死因子相关凋亡诱导配体(TRAIL)那样激活DR5,而且其中某些DR5上的抗体表位与TRAIL在DR5上的结合位点完全不同。此外,肿瘤坏死因子受体(TNFR)家族包含了许多重要的免疫受体,比如TNFR2、OX40等,它们的跨膜区与DR5相似,均拥有GXXXG motif,可促进跨膜区聚集。因此,该研究提出了全新的TNFR家族受体的信号传递机制,阐明了单次跨膜跨膜区在信号传递过程中的重要作用,为DR5激动型靶向抗肿瘤药物的研发提供了思路,对于目前热门的免疫治疗具有积极的理论指导意义。展开更多
据Liu B 2023年8月4日[Science,2023,381(6657):508-514.]报道,美国麻省理工学院和哈佛大学医学院等研究机构的研究人员发现STING可以充当离子通道,允许质子从一种称为高尔基体的细胞器中泄漏出来。这使它成为第一种能将危险信号转化为...据Liu B 2023年8月4日[Science,2023,381(6657):508-514.]报道,美国麻省理工学院和哈佛大学医学院等研究机构的研究人员发现STING可以充当离子通道,允许质子从一种称为高尔基体的细胞器中泄漏出来。这使它成为第一种能将危险信号转化为离子流的人类免疫传感器。展开更多
据Arbab M 2020年6月9日(Cell,2020,Jun 9.doi:10.1016/j.cell.2020.05.037.)报道,Broad研究所、哈佛大学、麻省理工学院和哈佛大学医学院布莱根妇女医院的研究人员在华人科学家Liu DR的带领下,开发了一种机器学习模型(BE-Hive)以预测...据Arbab M 2020年6月9日(Cell,2020,Jun 9.doi:10.1016/j.cell.2020.05.037.)报道,Broad研究所、哈佛大学、麻省理工学院和哈佛大学医学院布莱根妇女医院的研究人员在华人科学家Liu DR的带领下,开发了一种机器学习模型(BE-Hive)以预测剪辑编辑的结果,无需实验就可以预测基因编辑的结果。展开更多
文摘陈枢青教授与哈佛大学医学院周界文教授、吴皓教授合作在2019年第6期《细胞》(Cell)发表了题为“Higher-order clustering of the transmembrane anchor of DR5 drives signaling”的研究论文(https://doi.org/10.1016/j.cell.2019.02.001)。该研究首次揭示了死亡受体5(death receptor 5,DR5)在激活后其跨膜区高度聚集,并直接激活下游的细胞凋亡通路。此外,该研究还提出DR5的胞外区在DR5激活前起到自我抑制作用,阻止DR5跨膜区的聚集倾向,从而防止受体由于跨膜区聚集而自动激活。该研究成功解释了部分二聚体或单体的抗体片段为何能够像三聚体的DR5肿瘤坏死因子相关凋亡诱导配体(TRAIL)那样激活DR5,而且其中某些DR5上的抗体表位与TRAIL在DR5上的结合位点完全不同。此外,肿瘤坏死因子受体(TNFR)家族包含了许多重要的免疫受体,比如TNFR2、OX40等,它们的跨膜区与DR5相似,均拥有GXXXG motif,可促进跨膜区聚集。因此,该研究提出了全新的TNFR家族受体的信号传递机制,阐明了单次跨膜跨膜区在信号传递过程中的重要作用,为DR5激动型靶向抗肿瘤药物的研发提供了思路,对于目前热门的免疫治疗具有积极的理论指导意义。
文摘据Arbab M 2020年6月9日(Cell,2020,Jun 9.doi:10.1016/j.cell.2020.05.037.)报道,Broad研究所、哈佛大学、麻省理工学院和哈佛大学医学院布莱根妇女医院的研究人员在华人科学家Liu DR的带领下,开发了一种机器学习模型(BE-Hive)以预测剪辑编辑的结果,无需实验就可以预测基因编辑的结果。
