PS: 最近闭关了，校内上的留言可能会延迟回复。。。

这篇文章发表在7月8号的Nature上面。
下面的是链接：

Nature 466, 267–271 (08 July 2010) doi:10.1038/nature09145
Single-cell NF-kappaB dynamics reveal digital activation and analogue information processing

陈JQ同学提到这篇文章，她导师是这个方向的大牛，囧TZ，总有点班门弄斧的感觉。好了，不说废话了，这篇文章有好多亮点。。。

1） 先简单介绍一下这篇文章：
关于背景：
在信号转导领域里面有那么几个挺有名的转录因子（Transcription factor, TF），比如p53，cMyc，cFos之类的，当然NF-kB也是其中一个，NF-kB最早克隆出来到现在大概二十多年了吧（PS：二十多年了，很多详细机制都还没搞清楚，怪不得都说生物杯具），早期发现是这个TF跟炎症反应很相关，这个TF可以转录出大量的炎症因子和其他蛋白，具体的list我还没有查阅文献，除了炎症反应也会激活获得性免疫系统。NF-kB是各个教材里面说明Nuclear translocation机制的时候用得比较多的一个例子。

NF-kB是靠IkB调控的，就是IkB被IKK磷酸化激活后会被泛素化，这个泛素化是degradative的，然后IkB就被降解掉了，IkB结合NF-kB的两个subunits，一旦降解后，就会露出两个subunits表面的nuclear translocation sequence，会导致NF-kB转移到细胞核内，然后转录很多基因，其中比较重要的包括IkB和TNF-alpha，因为IkB翻译后又会再次结合NF-kB导致NF-kB转移回细胞质中，所以是个feedback的过程，这个过程可以导致NF-kB nuclear translocation oscillation，可以参看第一张图。

现在说这篇文章研究方法：
就是用不同浓度的TNF-alpha（这个是ligand）刺激细胞，然后检测不同浓度刺激下的NF-kB的dynamics和各种被转录基因的表达谱，然后改进了原来应用于IKK-NF-kB这个module的数学模型。

这里面有几个闪光点：
A：Single cell investigation
文章中的introduction部分讲了为什么要研究single cell，是因为以前的研究发现，只有一部分细胞会对于第二次自分泌的（也就是NF-kB第一次被激活以后进行转录并分泌的）TNF-alpha有反应，这个就是陈JQ同学说的Heterogeneity现象的一种，这说明虽然是相同type的细胞但是对于刺激的反应情况不同，所以要去研究单个细胞的行为，这个道理跟研究单分子是差不多的（以后会详细说明一下）。

B：Quantify signal dynamics and expression profiles
这个用的是荧光技术和 q-PCR，学生物的都应该知道，具体的可以看文章介绍。算不上特别大的亮点。

C：Microfluidic cell culture platform（刚刚同学可能对这个感兴趣，哈哈。）
这个是用来分开培养细胞，为了能够研究单细胞而使用的，也是比较方便能够同时进行不同浓度梯度刺激的平台。Microfluidic自从被MIT化学系一个善于挖坑不填坑的大牛-白边教授发明以后，就越来越火了，尤其最近两三年貌似大有商业化的趋势，我知道Leroy Hood在ISB在做Microfluidic在diagnostic方面的应用，这个其实可以有很多很多用途，而且将来估计会很流行。是个好商机，可惜估计已经有一堆实验室在做了，白边教授搞了好多东西都挺有前景的，，，这才是理论和实验，bench和industry。。。四肢抓，四肢都很硬的模范～～～高山仰止。（这个人名字叫 Whitesides，感兴趣的可以看看他的文章）

D：Mathematical model embedded in experiments
虽然这个模型我感觉其实比较joke，但是现在Editors都比较喜欢这个，况且这个IKK-NF-kB module的数学模型对于module 内的simulation已经比较convincing了，然而实际上没办法解释他这篇文章里发现的几个大亮的结果（一会详细讲）。也许是我有偏见，推荐大家看一下Excutable cell biology，我觉得这个是一个很好的review和perspective。

然后就是这篇文章的结果了，其中也有几个大亮的地方：

E：看第二张图b，这个说明了heterogeneity，就是说刺激的浓度越小，不被激活的细胞亦即没有响应的细胞的比例越大，有些人觉得这个很正常，实际上仔细想一想并不一定那么理所当然，因为在一起的细胞理论上所在的外界环境是均一的，也就是说每个细胞外面TNF-alpha的浓度是相同的，但是为什么响应的细胞的比例会随着浓度降低而减少呢？这个肯定有randomness的原因，但是有没有其他的原因？我也不知道。。。

F：这个heterogenous activity是由哪种randomness造成的呢？extrinsic还是intrinsic还是both，图2里面的j, k, l是作者用来说明两者都存在，给了两个有时间间隔的pulses（TNF-alpha）然后发现各有一定的比例的细胞响应第一个或第二个或者两个都响应，这个说明的一个问题是除了gene expression有很大的noise和randomness，信号转导系统也有很大的noise和randomness。当然这个理论上是应该存在的，而且很多人也知道是存在的，但是用实验验证出来还是要赞的。（关于gene expression的noise参考Johan Paulsson，Micheal Elwoitz和Peter Swain的文章，这三个人在前面的那篇介绍系统生物学牛人的文章里面介绍过了）。

G：（这个是最亮的）第二张图的g中，说明的结果是在不同浓度的TNF-alpha的刺激下，第一个Nuclear NF-kB的peaks下面面积的平均值是一样的（如果没看懂这句话就有可能是你没看懂图），作者把这个叫做digital activation（名字听起来很新颖很fancy的样子「PS：感觉会发NS的都比较能玩概念］，实际上在其深层次的分子分子反应的机制上并没有那么新颖那么fancy）。这个问题应该是他们最大的发现，后面他们改进原来的数学模型也是为了能够模拟这个现象而改进的。实际的机制是什么，或者为啥会出现这种现象，文章里没有解释，我暂时也没法回答。。。

H：他们还强调了研究single cell的好处，比如看图2里面的f，黑方块的线是反应强度加起来除以反应的细胞得到的平均水平，红色方块的线是反应强度加起来除以所有细胞的平均水平，这个结果说明像我们以前那样收集很多细胞做western blot会dilute（稀释）信号转导的dynamic signal。这个很容易理解啦～～

还有一个小问题是，高浓度的时候（图2的c）前两三个peaks很多细胞都是同步的，到后面就不同步了，详细机制不详。。。loss of synchrony =。=

I：然后又研究了第一个peaks的响应时间和decay时间，平均响应时间方面浓度越高响应速度越快，这个不解释; 平均decay时间方面，不同的浓度下是一样的。同样没有解释具体机制，我现在也没法解释。。。

接着是gene expression的结果：
J：大概分了三种gene groups，一种是早期被大量转录的，一种是中期被大量转录的，一种是后期被大量转录的。然后陈JQ同学的问题就来了：later gene expression只在高浓度的stimuli下进行表达，这个后期的NF-kB的nuclear translocation对于late gene expression的调控机制是咋样的？因为从图2的c里面可以看到200min即约3个小时以后NF-kB的nuclear translocation开始lose synchrony然后也没有那么高的强度了。

最后就是他们搞的数学模型，个人意见对于解释本篇文章的实验结果来说实际是个joke，它最大的意义就是把本篇文章发现的这种现象考虑进去，然后至少这个local的模型可以模拟出发现的这些现象，比起以前的数学模型跟solid。。。
图在这里：
感兴趣的可以去看看原文和supplementary data里的code。