项目名称: 嵌段共聚物多级自组装模拟分子伴侣的结构与功能

项目编号: No.91127045

项目类型: 重大研究计划

立项/批准年度: 2012

项目学科: 高分子科学

项目作者: 史林启

作者单位: 南开大学

项目金额: 310万元

中文摘要: 蛋白质折叠与其生物活性和许多重大疾病的发生密切相关,是生物物理学的重要课题,通过分子伴侣介导蛋白质正确折叠是已知的最有效的方法。本项研究通过温度响应性聚合物在两种嵌段共聚物组成的复合胶束表面进行精确可控的组装,形成具有生物活性的疏水微区,模拟分子伴侣的结构与功能控制蛋白质的折叠,用于保护酶的热稳定性,当温度升高时,酶分子的疏水链段伸展到外围,与复合胶束相互作用,吸附在复合胶束的表面,限制其进一步聚集失活;降低温度,复合胶束的疏水微区变为亲水,酶分子从胶束表面解离,又恢复其活性,是一种方便高效的保护酶热稳定性的方法。另外,许多疾病如Alzheimer's(老年痴呆)主要是Aβ蛋白聚集(错误折叠)造成的,通过复合胶束模拟分子伴侣的功能,能在人体环境下与该类蛋白质结合,避免其聚集形成Aβ淀粉样蛋白纤维,能缓解该类疾病的症状,为预防和治疗老年痴呆提供一种新的方法。

中文关键词: 复合胶束;表面组装;分子伴侣;蛋白质折叠;老年痴呆

英文摘要:

英文关键词: Complex micelle;Surface self-assembly;Molecular chaperone;Protein folding;Alzheimer's disease

成为VIP会员查看完整内容
1

相关内容

【AAAI 2022】 GeomGCL:用于分子性质预测的几何图对比学习
专知会员服务
23+阅读 · 2022年2月27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
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
28+阅读 · 2021年8月27日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
14+阅读 · 2021年5月30日
MIT《图神经网络的任务结构与泛化》,22页ppt
专知会员服务
23+阅读 · 2021年2月28日
使用深度学习,通过一个片段修饰进行分子优化
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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
25+阅读 · 2022年1月3日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
10+阅读 · 2018年3月23日
小贴士
相关主题
相关VIP内容
【AAAI 2022】 GeomGCL:用于分子性质预测的几何图对比学习
专知会员服务
23+阅读 · 2022年2月27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
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
28+阅读 · 2021年8月27日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
14+阅读 · 2021年5月30日
MIT《图神经网络的任务结构与泛化》,22页ppt
专知会员服务
23+阅读 · 2021年2月28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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
25+阅读 · 2022年1月3日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
10+阅读 · 2018年3月23日
微信扫码咨询专知VIP会员