项目名称: 基于“抗体复制”策略的分子印迹微阵列芯片的构建及中药饮片中黄曲霉毒素B1的快速检测

项目编号: No.81673594

项目类型: 面上项目

立项/批准年度: 2017

项目学科: 医药、卫生

项目作者: 朱全红

作者单位: 南方医科大学

项目金额: 25万元

中文摘要: 中药饮片中外源性有害残留物存在普遍,真菌毒素因毒性极大痕量污染需严格控制。目前大量筛查及现场检测常用的免疫分析法存在抗体获取不易、性质不稳定、结果重现性差等不足,被称为“塑料抗体”的MIPs在真菌毒素的选择性富集及模拟生物传感检测方面优势凸显,但模板分子毒性大、价格贵,替代模板对目标分子的选择性低等问题难以突破。基于前期对MIPs认识及实践,本项目提出以AFB1的单克隆抗体为模板,通过“抗体印迹-转录印记”的策略,将AFB1的抗体进行复制,通过复制抗体与抗原AFB1之间的特异性结合,探讨二者之间相互作用的规律,以期实现中药饮片中AFB1的痕量分析。制备中不需使用有害分析物,且抗体可重复利用,绿色、经济;以复制抗体为识别元件,灵敏、准确、稳定性好。

中文关键词: 分子印迹微阵列;抗体复制;黄曲霉毒素B1;表面等离子共振;中药饮片

英文摘要: The harmful residues in Chinese herbal pieces are common and mycotoxins need to be controlled strictly because of severe danger to human health. The immunoassays used in mycotoxin analysis for extensive screen and field test suffer from poor thermal and pH stability, short lifetime and high cost. A viable alternative would be the use of molecularly imprinted polymers (MIPs) endowed with high affinity for their target molecules. However, the problems like the toxicity and price of templates such as mycotoxins and decreasing selectivity with dummy templates still remains a challenge. From the results we obtained on the research of MIPs, we put forward the double imprinting strategy of “antibody imprinting – transcription imprinting” to obtain antibody replica with monoclonal antibody of AFB1 as the template. The trace AFB1 in Chinese herbal pieces could be detected fast via the interaction between the antibody replica and corresponding antigen AFB1. The antibody replica have considerable advantages over antibodies as they possess a higher chemical, physical, and thermal stability, low cost, and still keep the same specific selectivity as antibodies. The analysis methods with the antibody replica as the recognition elements are sensitive, accurate and stable. The absent of toxic templates and reuse of antibodies in the preparation of antibody replica also make the analysis green and economic.

英文关键词: molecular imprinting microarray;antibody duplicating;aflatoxin B1;surface plasmon resonance;Chinese herbal pieces

成为VIP会员查看完整内容
0

相关内容

【ICML2022】药物结合结构预测的几何深度学习
专知会员服务
25+阅读 · 2022年5月24日
【Cell】可扩展深度图神经网络的高性能材料性能预测
专知会员服务
17+阅读 · 2022年5月4日
专知会员服务
37+阅读 · 2021年4月25日
[WWW2021]图结构估计神经网络
专知会员服务
42+阅读 · 2021年3月29日
【WWW2021】少样本图学习分子性质预测
专知会员服务
35+阅读 · 2021年2月20日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
【浙江大学】使用MAML元学习的少样本图分类
专知会员服务
62+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
人工智能预测RNA和DNA结合位点,以加速药物发现
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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
GUARD: Graph Universal Adversarial Defense
Arxiv
0+阅读 · 2022年5月19日
Arxiv
22+阅读 · 2021年12月2日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
13+阅读 · 2019年11月14日
Deep Graph Infomax
Arxiv
17+阅读 · 2018年12月21日
小贴士
相关VIP内容
【ICML2022】药物结合结构预测的几何深度学习
专知会员服务
25+阅读 · 2022年5月24日
【Cell】可扩展深度图神经网络的高性能材料性能预测
专知会员服务
17+阅读 · 2022年5月4日
专知会员服务
37+阅读 · 2021年4月25日
[WWW2021]图结构估计神经网络
专知会员服务
42+阅读 · 2021年3月29日
【WWW2021】少样本图学习分子性质预测
专知会员服务
35+阅读 · 2021年2月20日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
【浙江大学】使用MAML元学习的少样本图分类
专知会员服务
62+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
相关基金
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 · 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
微信扫码咨询专知VIP会员