项目名称: 利用高通量SPR微阵列芯片对类肽-蛋白亲和作用的研究

项目编号: No.31270875

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 生物科学

项目作者: 胡志远

作者单位: 国家纳米科学中心

项目金额: 70万元

中文摘要: 目前,能够用于蛋白的分离、富集和检测的优质抗体种类远远不够。化学合成亲和试剂具有分子量小,成本低廉的特点,对定量蛋白质组学具有重要意义。类肽是由N-取代甘氨酸组成的非天然聚合物,具有构象多样,结构稳定,合成效率高的优点,有可能成为新型的蛋白亲和试剂。本研究拟建立基于表面等离子体共振成像技术(SPRi)的类肽微阵列芯片分析平台,用于类肽文库的高通量筛选和亲和作用的分析。重点在于"协同捕获"策略的研究,通过连接骨架将非竞争结合的两个单体类肽连接形成二元类肽,提高其亲和力和特异性。通过系统地研究类肽-蛋白质亲和作用的分子机制,全面优化技术路线,为类肽作为蛋白亲和试剂的应用进行理论和技术探索。

中文关键词: 类肽;蛋白亲和试剂;表面等离子体共振;微阵列;协同捕获

英文摘要: There is severe scarcity of high quality antibodies which can be used for protein separation, enrichment and measurement. With their property of low MW, low cost, protein affinity reagents made by chemical synthesis are of great value for quantitative proteomics. Peptoid is a non-native oligomer composed of N-(substituted)glycines. Having the advantage of high variety of conformation, high stability of structure and high efficiency for synthesis, peptoids might be used as a new class of protein affinity reagents. A new type of peptoid microarray platform will be constructed based on Surface Plasmon Resonance Imaging (SPRi) for high-throughput screening and analysis of peptoid libraries. The project will focus on the study of the strategy of "synthetic capture", which means to link the two noncompetitive peptoid monomers into a bivalent dimer through a linker to improve the affinity and specificity. Through the systematical study of the molecular mechanism of the interaction between peptoids and proteins and the comprehensive optimization of the technical route, the project will explore the application of peptoids as the protein affinity reagents from the point of view of theory and technology.

英文关键词: Peptoid;Protein affinity reagent;SPR;Microarray;Synthetic capture

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】利用神经检索器改进生物医学信息检索
专知会员服务
16+阅读 · 2022年1月21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
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15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
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
78+阅读 · 2019年10月12日
计算生物学揭秘奥密克戎强感染性原因
微软研究院AI头条
0+阅读 · 2022年4月12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
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 · 2014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 · 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 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
46+阅读 · 2021年10月4日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
小贴士
相关VIP内容
【AAAI2022】利用神经检索器改进生物医学信息检索
专知会员服务
16+阅读 · 2022年1月21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
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15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
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
78+阅读 · 2019年10月12日
相关基金
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 · 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 · 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 · 2011年12月31日
微信扫码咨询专知VIP会员