项目名称: 谷氨酸棒杆菌氨基酸分泌蛋白的识别和分子生物学研究

项目编号: No.31300094

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 生物科学

项目作者: 赵智

作者单位: 中国科学院微生物研究所

项目金额: 23万元

中文摘要: 细菌中氨基酸分泌蛋白的适度表达,能够显著提高氨基酸的细胞外积累量。谷氨酸棒杆菌是工业发酵生产氨基酸的重要菌株,但是目前在该菌中仅识别出四个氨基酸分泌蛋白,这与分泌蛋白识别方法单一,依赖于特异性分泌蛋白基因缺失突变株有关。本项目拟结合现代生物信息学分析/比对技术、氨基酸分泌蛋白的快速筛选方法和基因敲除/互补方法直接进行谷氨酸棒杆菌中氨基酸分泌蛋白的预测和鉴定,并从分子水平上揭示谷氨酸棒杆菌中新氨基酸分泌蛋白的生物学特征和调控机理。研究组前期通过先预测再鉴定的方法,从谷氨酸棒杆菌中识别出两个氨基酸内运蛋白,为本项目的顺利进行提供了一定的技术支持。本项目的研究对于建立新的氨基酸分泌蛋白识别方法,认知谷氨酸棒杆菌氨基酸分泌蛋白及其调控机理,以期应用于生产菌株改造具有重要意义。

中文关键词: 谷氨酸棒杆菌;;氨基酸;;氨基酸分泌蛋白;;

英文摘要: The moderate expression of amino acid exporter in bacteria can significantly raise the amino acid extracellular accumulation level. Corynebacterium glutamicum is widely used for the biotechnological production of amino acids, but at present only four amino acids exporters have been identified in Corynebacterium glutamicum. It is associated with the single recognition method and the dependence on specific amino acid exporter auxotroph. The project will establish a rapid screening method of amino acid exporter, combining with modern bioinformatics analysis/alignment and gene knockout/complementary method to predict and identify new amino acid exporters, and reveal them molecular characteristics and regulation mechanism in Corynebacterium glutamicum. The group has identified two amino acid importers by predict-screening method, provided techincal support for this project. The project is helpful to establish a new identification method of amino acid exporter, to cognize amino acid exporters and their regulations and to improve production strains.

英文关键词: Corynebacterium glutamicum;;amino acid;;amino acid exporter;;

成为VIP会员查看完整内容
0

相关内容

美国陆军研究实验室(The U.S. Army Combat Capabilities Development Command Army Research Laboratory,ARL)是美国陆军的研究实验室,其总部位于马里兰州阿德菲的阿德菲实验室中心。该实验室于1992年启动,其谱系可追溯到19世纪初。2002年,ARL并入美国陆军研究、发展和工程司令部。2019年1月,RDECOM被指定为美国陆军作战能力发展司令部、陆军未来司令部,并被指定为美国陆军作战能力发展司令部(DEVCOM)陆军研究实验室。ARL主要进行基础研究以支持美国陆军现代化,并长期专注于颠覆性科学和技术,开展研究以解答未来陆军能力中最棘手的科技问题。ARL的主要研究领域包括生物和生物技术科学、电磁频谱科学、能源科学、机械科学、军事信息科学、网络和计算科学、光子学、电子学和量子科学、极端材料科学、终端效应和武器科学等。
【Jon Paul Janet】机器学习化学应用,153页ppt
专知会员服务
45+阅读 · 2021年12月5日
专知会员服务
85+阅读 · 2021年10月11日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
【斯坦福Jiaxuan You】图学习在金融网络中的应用,24页ppt
专知会员服务
43+阅读 · 2021年9月19日
专知会员服务
54+阅读 · 2021年6月15日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
67+阅读 · 2020年3月5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
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
13+阅读 · 2018年4月6日
小贴士
相关VIP内容
【Jon Paul Janet】机器学习化学应用,153页ppt
专知会员服务
45+阅读 · 2021年12月5日
专知会员服务
85+阅读 · 2021年10月11日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
【斯坦福Jiaxuan You】图学习在金融网络中的应用,24页ppt
专知会员服务
43+阅读 · 2021年9月19日
专知会员服务
54+阅读 · 2021年6月15日
生物数据挖掘中的深度学习,诺丁汉特伦特大学
专知会员服务
67+阅读 · 2020年3月5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
微信扫码咨询专知VIP会员