--- name: glycoengineering description: 分析和工程蛋白质糖基化。扫描N-糖基化共有序列（N-X-S/T）序列，预测O-糖基化热点，并访问精选的糖工程工具（NetOGlyc、GlycoShield、GlycoWorkbench）。用于糖蛋白工程、治疗性抗体优化和疫苗设计。 license: Unknown metadata: {"version": "1.0", "skill-author": "Kuan-lin Huang"} --- # 糖基化工程 ## 概述 糖基化是蛋白质最常见和最复杂的翻译后修饰（PTM），影响超过50%的所有人类蛋白质。糖链调节蛋白质折叠、稳定性、免疫识别、受体相互作用和治疗性蛋白质的药代动力学。糖基化工程涉及对糖基化模式进行合理修饰，以提高治疗功效、稳定性或免疫逃逸。 **两种主要糖基化类型：** - **N-糖基化**：附着于序列子N-X-[S/T]中的天冬酰胺（N），其中X ≠ 脯氨酸；发生在内质网/高尔基体中 - **O-糖基化**：附着于丝氨酸（S）或苏氨酸（T）；无严格共识基序；主要是GalNAc起始 ## 何时使用此技能 使用此技能当： - **抗体工程**：优化Fc糖基化以增强ADCC、CDC或降低免疫原性 - **治疗性蛋白质设计**：识别影响半衰期、稳定性或免疫原性的糖基化位点 - **疫苗抗原设计**：工程化糖链屏蔽以将免疫反应集中在保守表位上 - **生物类似药表征**：比较参考药和生物类似药之间的糖链模式 - **药物靶点分析**：糖基化是否影响受体的靶点参与？ - **蛋白质稳定性**：N-糖链通常稳定蛋白质；识别稳定化突变的位点 ## N-糖基化序列子分析 ### 扫描N-糖基化位点 N-糖基化发生在序列子**N-X-[S/T]**，其中X ≠ 脯氨酸。 ```python import re from typing import List, Tuple def find_n_glycosylation_sequons(sequence: str) -> List[dict]: """ 扫描蛋白质序列以查找规范N连接糖基化序列子。 基序：N-X-[S/T]，其中X ≠ 脯氨酸。 参数: sequence: 单字母氨基酸序列 返回: 包含位置（1-based）、基序和上下文的字典列表 """ seq = sequence.upper() results = [] i = 0 while i <= len(seq) - 3: triplet = seq[i:i+3] if triplet[0] == 'N' and triplet[1] != 'P' and triplet[2] in {'S', 'T'}: context = seq[max(0, i-3):i+6] # ±3残基上下文 results.append({ 'position': i + 1, # 1-based 'motif': triplet, 'context': context, 'sequon_type': 'NXS' if triplet[2] == 'S' else 'NXT' }) i += 3 else: i += 1 return results def summarize_glycosylation_sites(sequence: str, protein_name: str = "") -> str: """生成N-糖基化位点的研究日志摘要。""" sequons = find_n_glycosylation_sequons(sequence) lines = [f"# N-糖基化序列子分析：{protein_name or '蛋白质'}"] lines.append(f"序列长度：{len(sequence)}") lines.append(f"总N-糖基化序列子：{len(sequons)}") if sequons: lines.append(f"\nN-X-S位点：{sum(1 for s in sequons if s['sequon_type'] == 'NXS')}") lines.append(f"N-X-T位点：{sum(1 for s in sequons if s['sequon_type'] == 'NXT')}") lines.append(f"\n位点详情：") for s in sequons: lines.append(f" 位置 {s['position']}：{s['motif']}（上下文：...{s['context']}...）") else: lines.append("未检测到规范N-糖基化序列子。") return "\n".join(lines) # 示例：IgG1 Fc区域 fc_sequence = "APELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK" print(summarize_glycosylation_sites(fc_sequence, "IgG1 Fc")) ``` ### 突变N-糖基化位点 ```python def eliminate_glycosite(sequence: str, position: int, replacement: str = "Q") -> str: """ 通过将天冬酰胺突变为谷氨酰胺（保守）来消除N-糖基化位点。 参数: sequence: 蛋白质序列 position: 要突变的天冬酰胺的1-based位置 replacement: 要替换的氨基酸（默认Q = 谷氨酰胺；大小相似，不被糖基化） 返回: 突变后的序列 """ seq = list(sequence.upper()) idx = position - 1 assert seq[idx] == 'N', f"位置{position}是'{seq[idx]}'，不是'N'" seq[idx] = replacement.upper() return ''.join(seq) def add_glycosite(sequence: str, position: int, flanking_context: str = "S") -> str: """ 通过将残基突变为天冬酰胺来引入N-糖基化位点， 并确保X ≠ 脯氨酸且+2 = S/T。 参数: position: 要引入天冬酰胺的1-based位置 flanking_context: 位置+2处的'S'或'T'（如果需要修改） """ seq = list(sequence.upper()) idx = position - 1 # 突变为天冬酰胺 seq[idx] = 'N' # 确保X+1 != 脯氨酸（如果需要则突变为丙氨酸） if idx + 1 < len(seq) and seq[idx + 1] == 'P': seq[idx + 1] = 'A' # 确保X+2 = S或T if idx + 2 < len(seq) and seq[idx + 2] not in ('S', 'T'): seq[idx + 2] = flanking_context return ''.join(seq) ``` ## O-糖基化分析 ### 启发式O-糖基化热点预测 ```python def predict_o_glycosylation_hotspots( sequence: str, window: int = 7, min_st_fraction: float = 0.4, disallow_proline_next: bool = True ) -> List[dict]: """ 基于局部S/T密度的启发式O-糖基化热点评分。 不能替代NetOGlyc；用作快速基线。 规则: - O-GalNAc糖基化聚集在富含S/T的片段上 - 标记S/T残基在富含S/T的窗口中 - 避免S/T紧随脯氨酸（TP/SP基序抑制GalNAc-T） 参数: window: 局部S/T密度的奇数窗口大小 min_st_fraction: 标记位点的窗口中S/T的最小分数 """ if window % 2 == 0: window = 7 seq = sequence.upper() half = window // 2 candidates = [] for i, aa in enumerate(seq): if aa not in ('S', 'T'): continue if disallow_proline_next and i + 1 < len(seq) and seq[i+1] == 'P': continue start = max(0, i - half) end = min(len(seq), i + half + 1) segment = seq[start:end] st_count = sum(1 for c in segment if c in ('S', 'T')) frac = st_count / len(segment) if frac >= min_st_fraction: candidates.append({ 'position': i + 1, 'residue': aa, 'st_fraction': round(frac, 3), 'window': f"{start+1}-{end}", 'segment': segment }) return candidates ``` ## 外部糖基化工程工具 ### 1. NetOGlyc 4.0（O-糖基化预测） 用于高精度O-GalNAc位点预测的Web服务： - **URL**：https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/ - **输入**：FASTA蛋白质序列 - **输出**：每个残基的O-糖基化概率评分 - **方法**：在实验验证的O-GalNAc位点上训练的神经网络 ```python import requests def submit_netoglycv4(fasta_sequence: str) -> str: """ 将序列提交到NetOGlyc 4.0 Web服务。 返回结果检索的作业URL。 注意：这使用DTU Health Tech Web服务。结果需要~1-5分钟。 """ url = "https://services.healthtech.dtu.dk/cgi-bin/webface2.cgi" # NetOGlyc提交（参数可能随Web服务版本变化） # 建议大多数用例直接使用Web界面 print("在以下位置提交序列：https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/") return url # 还有：NetNGlyc用于N-糖基化预测 # URL: https://services.healthtech.dtu.dk/services/NetNGlyc-1.0/ ``` ### 2. GlycoShield-MD（糖链屏蔽分析） GlycoShield-MD在MD模拟期间分析糖链如何屏蔽蛋白质表面： - **URL**：https://gitlab.mpcdf.mpg.de/dioscuri-biophysics/glycoshield-md/ - **用途**：在MD轨迹上映射糖链屏蔽 - **输出**：每个残基的屏蔽分数、可视化 ```bash # 安装 pip install glycoshield # 基本用法：分析糖基化蛋白质MD轨迹的糖链屏蔽 glycoshield \ --topology glycoprotein.pdb \ --trajectory glycoprotein.xtc \ --glycan_resnames BGLCNA FUC \ --output shielding_analysis/ ``` ### 3. GlycoWorkbench（糖链结构绘制/分析） - **URL**：https://www.eurocarbdb.org/project/glycoworkbench - **用途**：绘制糖链结构、计算质量、注释MS谱 - **格式**：GlycoCT、IUPAC浓缩糖链表示法 ### 4. GlyConnect（糖链-蛋白质数据库） - **URL**：https://glyconnect.expasy.org/ - **用途**：查找实验验证的糖蛋白和糖基化位点 - **查询**：按蛋白质（UniProt ID）、糖链结构或组织 ```python import requests def query_glyconnect(uniprot_id: str) -> dict: """查询蛋白质的糖基化数据。""" url = f"https://glyconnect.expasy.org/api/proteins/uniprot/{uniprot_id}" response = requests.get(url, headers={"Accept": "application/json"}) if response.status_code == 200: return response.json() return {} # 示例：查询EGFR糖基化 egfr_glyco = query_glyconnect("P00533") ``` ### 5. UniCarbKB（糖链结构数据库） - **URL**：https://unicarbkb.org/ - **用途**：浏览糖链结构、按质量或组成搜索 - **格式**：GlycoCT或IUPAC表示法 ## 关键糖基化工程策略 ### 用于治疗性抗体 | 目标 | 策略 | 注意 | |------|----------|-------| | 增强ADCC | 去岩藻糖化于Fc Asn297 | 去岩藻糖基化IgG1的FcγRIIIa结合力提高约50倍 | | 降低免疫原性 | 去除非人类糖链 | 消除α-Gal、NGNA表位 | | 改善PK半衰期 | 唾酸化 | 唾酸化糖链延长半衰期 | | 减少炎症 | 超唾液酸化 | IVIG抗炎机制 | | 创建糖链屏蔽 | 添加N-糖基化位点到表面 | 屏蔽脆弱表位（疫苗设计） | ### 常用突变 | 突变 | 效应 | |----------|--------| | N297A/Q（IgG1） | 移除Fc糖基化（无糖） | | N297D（IgG1） | 移除Fc糖基化 | | S298A/E333A/K334A | 增加FcγRIIIa结合 | | F243L（IgG1） | 增加去岩藻糖化 | | T299A | 移除Fc糖基化 | ## 糖链表示法 ### IUPAC 浓缩表示法（单糖缩写） | 符号 | 全名 | 类型 | |--------|-----------|------| | Glc | 葡萄糖 | 己糖 | | GlcNAc | N-乙酰葡萄糖 | 己糖胺 | | Man | 甘露糖 | 己糖 | | Gal | 半乳糖 | 己糖 | | Fuc | 岩藻糖 | 脱氧己糖 | | Neu5Ac | N-乙酰神经氨酸（唾液酸） | 唾液酸 | | GalNAc | N-乙酰半乳糖胺 | 己糖胺 | ### 复杂N-糖链结构 ``` 典型复杂双天线N-糖链： Neu5Ac-Gal-GlcNAc-Man\ Man-GlcNAc-GlcNAc-[Asn] Neu5Ac-Gal-GlcNAc-Man/ （±核心岩藻糖在最内层GlcNAc上） ``` ## 最佳实践 - **从NetNGlyc/NetOGlyc开始**，在实验验证之前进行计算预测 - **用质谱验证**：糖蛋白质组学（Byonic、Mascot）用于位点特异性糖链谱分析 - **考虑位点上下文**：并非所有预测的序列子实际上都被糖基化（可及性、细胞类型、蛋白质构象） - **对于抗体**：Fc N297糖链至关重要——始终首先表征此位点 - **使用GlyConnect**检查感兴趣的蛋白质是否具有实验验证的糖基化数据 ## 其他资源 - **GlyTouCan**（糖链结构存储库）：https://glytoucan.org/ - **GlyConnect**：https://glyconnect.expasy.org/ - **CFG功能糖组学**：http://www.functionalglycomics.org/ - **DTU Health Tech服务器**（NetNGlyc、NetOGlyc）：https://services.healthtech.dtu.dk/ - **GlycoWorkbench**：https://glycoworkbench.software.informer.com/ - **综述**：Apweiler R et al. (1999) Biochim Biophys Acta. PMID: 10564035 - **治疗性糖基化工程综述**：Jefferis R (2009) Nature Reviews Drug Discovery. PMID: 19448661