4.831分的Aging，实际上拢共只做了半张Nature的Figure……

这几天在给你们讲这篇Nature，

这篇文章其实蛮有意思：

长相思 刘梅 - 长安十二时辰 影视剧原声带

有意思的地方就在，其实Fig.1的上半部分，

就差不多能顶篇4分多的水刊常青树Aging了……

比如这篇Aging，

主要内容，差不多就是Nature的Fig.1的上半截：

其实他们也就做了个蛋白组学的工作，把疾病和正常样本的蛋白抽提后，进行了蛋白质谱分析和磷酸化质谱分析

：

蛋白质谱分析就很简单吧，结果也就是蛋白表达量情况

，然后进行一波富集：

有没有觉得这些Fig.都似曾相识

：

嗯，和简单的芯片分析差不多，STRING聚类后，

用Cytoscape的MCODE插件做个分析啥的……

然后是同样的蛋白进行了磷酸化分析，昨天其实讲过了磷酸化质谱分析的原理，其实这里用的是IMAC（固定化亲和色谱）做的

，给你们简单查了一下Protocol，这篇Nature Protocol里描述了一下酶消化后，

磷酸化肽段的富集过程：

这里用的是钛粒子类似螯合的方法，

把含有磷酸化位点的肽段富集到微小球上：

然后还是一样的质谱

：

还是一样的Cytoscape的MCODE

……

所以这篇Aging差不多也就只有半张Nature Article的Fig.那么多的内容而已

。

其实对于这种磷酸化的数据其实也是可以挖掘的

，比如这个磷酸化位点数据库，虽然内容上有点老，但还是能体现一定的不同时期蛋白的磷酸化差异的：

比如分析个细胞周期的差异

：

差不多就是这样啦……多看看CNS的文章，

说不定里面一个Figure都能够你凑一篇稍微Low一点的文章出来……如果认真精读一下，收获岂不是更大呢……  好了，要看这篇文献的话，可以自己去PubMed上下搜一下，想要了解最后那个数据库的话，就百度。实在不行就回复“公克”（不要在评论区回复

），要么就直接星球上见（当然，进不去也无所谓

）。好吧，今天就先给你们策到这里吧，祝你们心明

眼亮

。