项目名称: 藉配体识别决定区表面印迹构建人工受体选择性捕获鹅膏毒肽的研究

项目编号: No.21275057

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 汤又文

作者单位: 华南师范大学

项目金额: 80万元

中文摘要: 选择性识别生物大分子是分离分析及纯化、药物传递和医学诊断等多学科追求的目标。群体性蘑菇中毒时有发生致死率高,鹅膏毒肽是主要毒素。研制专一性捕获血液中鹅膏毒肽的人工受体,对患者的治疗康复具有重要意义。鹅膏毒肽稀缺昂贵是制备其印迹聚合物受体的主要障碍。受生物学配体与受体识别的启示,本项目拟开展:提炼鹅膏毒肽的关键作用位点,设计合成基于鹅膏毒肽识别决定区的系列模板,优化模板、功能单体及交联剂等的自组装,构建仿生识别鹅膏毒肽的新型表面印迹材料;解析模板、制备方法和制备条件等对印迹材料组成、结构和性能影响的内在关系;探明新材料分子识别机理,从分子水平深入认识印迹和识别过程;调控热力学和动力学等相关因素,提高新材料的专一性识别性能。项目的实施为选择性捕获及高灵敏准确检测血液中的鹅膏毒肽提供新方法,为高效捕获清除患者体内的鹅膏毒肽提供基础数据,为新型生物大分子人工受体的广泛研究提供理论技术支撑。

中文关键词: 分子印迹技术;鹅膏毒肽;抗原决定基;人工受体;分离分析

英文摘要: The selective recognition of bio-macromolecules has been a focus of scientific research in the field of separation and purification, drug delivery and medical diagnose. Mass accidents of mushroom poisoning occur often and couple with a high fatality rate, and amantins are the major toxins. The development of high affinity receptors for specific capturing amantins from the blood would be of great importance on patient treatment and rehabilitation. Among the various existing approaches to produces bio-mimetic systems for molecular recognition, molecular imprinting seems to be a promising way. However, the amantins is rather scarce and expensive,which hinder the preparation of artificial receptors through molecular imprinting technology. Inspired by the biological concept of ligands and receptor recognition, this project intends to carry out the following work: through refining the key recognition sites of amantins, we aims to design and synthesize a series of templates so that the novel surface imprinting biomimetic material could be constructed under optimal conditions. It is also crucial to explore the inner link that template structure, synthesis method and condition affect the composition, structure and function of the imprinting material. Furthermore, through exploring the recognition mechanism of the novel

英文关键词: molecular imprinting technique;amanitin;epitope;biomimetic receptor;separation and analysis

成为VIP会员查看完整内容
0

相关内容

因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
19+阅读 · 2021年3月28日
专知会员服务
48+阅读 · 2021年2月10日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
因果推断在医药图像的应用:数据缺失和数据不匹配
专知会员服务
57+阅读 · 2022年4月2日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
19+阅读 · 2021年3月28日
专知会员服务
48+阅读 · 2021年2月10日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员