项目名称: 蛋白质二硫键的敞开式离子源质谱分析研究

项目编号: No.21475121

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 黄光明

作者单位: 中国科学技术大学

项目金额: 80万元

中文摘要: 本项目拟设计和建立基于气相自由基/离子反应的敞开式离子源研究,拟将其应用于蛋白质的二硫键位置、数量的分析,以及被二硫键保护的多肽序列的解析。拟通过用光谱方法研究常规电喷雾以及解吸附电喷雾离子源产生的电晕放电并对其强度进行可控监测。在此基础上,通过调节相应的参数,实现同时产生气相自由基和气相分子离子,并在离子化的过程中,发生高度选择性的自由基与离子的化学反应,从而选择性的直接切断多肽及蛋白质分子离子中的二硫键,实现对蛋白质中二硫键相关信息的快速检测。同时,此计划还将自由基与离子的化学反应引入到大气压环境中,为提高敞开式离子源质谱分析方法的选择性和灵敏度提供了新的思路。本研究方案简单可靠,具有高选择性的特点,对于提高蛋白质分析中多肽序列解析覆盖率有很好的应用前景。

中文关键词: 二硫键测定;敞开式质谱;蛋白质分析;离子源

英文摘要: This proposal is to develop new ambient ionization method based on radical-ion reactions. Proposed investigation will include determination of protein disulfide bond. This study starts from characterization of coronal discharge during electrospray and desorption electrospray ionization methods. Based on the above results, protein disulfide bond will react with radicals produced during ionization process, and their unique reaction product will give information about the protein disulfide bond number, position and the peptide sequence protected by the disulfide bond. Furthermore, the proposal is also aiming at introduce radical-ion reaction into reactive ambient ionization, which will give insight to the further develop of the ambient ionization methods. This study can be easily commercialized, it also shows great potential on protomics investigation.

英文关键词: disulfide bond determination;ambinet mass spectrometry;protein analysis;ionization source

成为VIP会员查看完整内容
0

相关内容

6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
39+阅读 · 2022年2月28日
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
CIKM2021 | CD-GNN:一种跨领域的图神经网络模型
专知会员服务
28+阅读 · 2021年11月9日
专知会员服务
28+阅读 · 2021年8月27日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27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 · 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 · 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20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
92+阅读 · 2021年5月17日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关主题
相关VIP内容
6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
39+阅读 · 2022年2月28日
《深度学习中神经注意力模型》综述论文
专知会员服务
112+阅读 · 2021年12月15日
CIKM2021 | CD-GNN:一种跨领域的图神经网络模型
专知会员服务
28+阅读 · 2021年11月9日
专知会员服务
28+阅读 · 2021年8月27日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27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 · 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 · 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
微信扫码咨询专知VIP会员