SILAC for the Study of Mammalian Cell Lines and Yeast Protein Complexes
SILAC for the Study of Mammalian Cell Lines and Yeast Protein Complexes
复制标题
SILAC 用于哺乳动物细胞系和酵母蛋白复合物的研究
DOI：
10.1007/978-1-61779-885-6_14
复制
发表时间：
2012
影响因子：
--
通讯作者：
Warscheid B
中科院分区：
文献类型：
--
作者：
Piechura H;Oeljeklaus S;Warscheid B
通过定量质谱（MS）的重要进展，蛋白质组学已经从仅仅拍摄蛋白质组的“快照”发展到彻底研究整个蛋白质组的动态变化，并表征复杂的蛋白质-蛋白质相互作用或信号网络。因此，定量MS为基础的蛋白质组学提供了独特的潜力，把蛋白质到他们的功能背景，而且，以提高我们的理解的分子过程中涉及的发展，生存，或病理的细胞和生物体。在通过MS精确定量蛋白质的各种技术中，细胞培养物中氨基酸的稳定同位素标记（SILAC）可以说是最优雅的方法。在本章中，我们提供了一个详细的协议，建立SILAC哺乳动物细胞培养系统。此外，为了证实SILAC用于解决不同生物学问题的高度通用性，我们描述了SILAC与常规亲和纯化（AP）-MS方法的成功“配对”，从而允许准确表征蛋白质复合物。
Through crucial advancements in quantitative mass spectrometry (MS), proteomics has evolved from taking mere “snapshots” of proteomes to thoroughly studying dynamic changes in entire proteomes and characterizing intricate protein–protein interaction or signaling networks. Thus, quantitative MS-based proteomics offers the unique potential to place proteins into their functional context and, moreover, to improve our understanding of the molecular processes involved in the development, survival, or pathology of cells and organisms. Among the vast variety of techniques developed for the accurate quantification of proteins via MS, stable isotope labeling by amino acids in cell culture (SILAC) arguably represents the most elegant method. In this chapter, we provide a detailed protocol for the establishment of SILAC for mammalian cell culture systems. In addition, to exemplify the high versatility of SILAC for addressing different biological questions, we describe the successful “pairing” of SILAC with conventional affinity purification (AP)-MS approaches allowing for accurately characterizing protein complexes.
登录
查看更多内容
影响因子：
7
作者：
Mousson, Florence;Kolkman, Annemieke;Heck, Albert J. R.
通讯作者：
Heck, Albert J. R.
影响因子：
4.4
作者：
Molina, Henrik;Yang, Yi;Ruch, Travis;Kim, Jae-Woo;Mortensen, Peter;Otto, Tamara;Nalli, Anuradha;Tang, Qi-Qun;Lane, M. Daniel;Chaerkady, Raghothama;Pandey, Akhilesh
通讯作者：
Pandey, Akhilesh
影响因子：
2.9
作者：
Loessner, Christopher;Warnken, Uwe;Schnoelzer, Martina
通讯作者：
Schnoelzer, Martina
影响因子：
4.4
作者：
Meierhofer, David;Wang, Xiaorong;Huang, Lan;Kaiser, Peter
通讯作者：
Kaiser, Peter
影响因子：
7
作者：
Milner, E;Barnea, E;Admon, A
通讯作者：
Admon, A