铅污染对条斑紫菜的毒害影响

研究分析了不同浓度Pb2+对条斑紫菜植物体叶绿素a含量,POD、SOD活性,MDA含量,总抗氧化能力以及可溶性蛋白质含量的影响.结果表明,随着Pb2+浓度的增加,叶绿素a含量,POD、SOD活性,MDA的含量,总抗氧化能力,可溶性蛋白质及均呈先升后降趋势.条斑紫菜对Pb2+具有较高的耐性.     

基因重组融合蛋白的纯化

本文论述了基因重组融合蛋白纯化过程和存在的问题.     

植物叶蛋白的研究

随着世界人口的剧增和人们生活水平的提高,人类对优质蛋白质的需求越来越大,加速新蛋白质资源的开发势在必行.植物叶蛋白因具有来源广泛、营养丰富、不含动物性胆固醇等特点而备受关注.叶蛋白酶解技术的研究可改善植物叶蛋白青草味重、溶解性差等功能上的不足. 综述了近年来植物叶蛋白的制备方法,叶蛋白及叶蛋白肽的营养特性,并阐述了叶蛋白肽的研究展望,以促进国内叶蛋白及叶蛋白肽的研究与开发.     

芽孢杆菌BC98-Ι拮抗蛋白性质及其对黄瓜枯萎病菌的抑菌作用

蜡质芽孢杆菌 (Bacilluscereus)BC98 I分离自沤肥浸渍液中 ,对黄瓜枯萎病等多种蔬菜土传病害有较强烈的拮抗能力。其无细胞发酵液经 5 5 %硫酸铵盐析后得到的 2 0mg ml拮抗蛋白粗提液在平皿上对黄瓜枯萎菌的抑菌圈直径达 19 3mm。该拮抗蛋白经 10 0℃处理 30min后仍能保持 97 7%的抑菌活性 ;作用活性pH范围宽 ,在pH 1 0～11 0的条件下均有活性 ;对胰蛋白酶、蛋白酶K稳定 ;对氯仿不敏感 ;对紫外线部分敏感。BC98 I拮抗蛋白粗提物对黄瓜枯萎菌孢子萌发和菌丝生长有强烈的抑制作用 ,主要表现为孢子萌发产生的芽管较对照短 ,芽管膨大形成大泡囊 ;菌丝扭曲 ,形成不规则泡囊 ,原生质浓缩 ;细胞壁溶解 ,内含物外溢。     

鹰嘴豆发芽过程中部分营养成分的变化规律

采用国家标准规定的方法,研究鹰嘴豆发芽过程中蛋白质、氨基酸、核黄素、异黄酮、膳食纤维的变化规律。结果表明,鹰嘴豆在发芽过程中蛋白质含量不断下降,由未发芽时的18.42%降低至第9天的13.50%。鹰嘴豆氨基酸的组成中,天冬氨酸、谷氨酸、精氨酸含量较多。在发芽过程中,谷氨酸和精氨酸含量有所下降,谷氨酸含量由未发芽时的3.50%下降为第9天的3.10%;精氨酸含量由未发芽时的2.25%下降为第9天的1.72%;天冬氨酸含量则不断上升,由最初的2.51%上升至第9天的4.73%。异黄酮在鹰嘴豆中含量丰富,在发芽过程,其含量由最初的106.44mg/100g,上升到第9天的806.00mg/100g;核黄素含量也由发芽前的1.44mg/100g上升至第7天的1.85mg/100g;可溶性膳食纤维含量显著提高,不溶性膳食纤维含量呈下降趋势。通过对鹰嘴豆发芽前后营养成分变化对比的研究,希望为鹰嘴豆功能食品的开发和利用提供理论依据。     

鲢鱼鱼鳞蛋白提取工艺研究

以鲢鱼鱼鳞为研究对象,研究了提取温度,提取时间,料液比对鱼鳞蛋白质提取率的影响,并进一步通过正交实验对其提取工艺进行了优化。研究结果表明:鱼鳞蛋白质提取率随着提取温度、提取时间、料液比的增加而提高。其提取的最佳条件是:提取温度90℃,提取时间6 h,料液比1:25,在此条件下鲢鱼鱼鳞蛋白质的提取率为77.41%。     

基因重组型枯草芽孢杆菌芽孢表面展示技术与应用

枯草芽孢杆菌是一种好氧型革兰氏阳性益生菌,在营养匮乏的环境下,可形成具有强抗逆性的芽孢。其芽孢独特的结构和生理功能使得芽孢表面展示技术相较于其他表面展示技术具有多种优势,构建的重组芽孢不但易纯化、回收率高,而且安全性好。近年来,枯草芽孢杆菌芽孢表面展示技术得到迅猛发展,已成功利用CotB、CotC、CotG、CotZ、CotA、OxdD、CotE、CotZ、CgeA等多种锚定蛋白将外源蛋白或多肽展示在芽孢表面,并应用于工业化酶、口服疫苗和药物、大分子量多聚体蛋白的生产以及环境污染的生物治理等领域。本文首先介绍了芽孢展示系统整合策略,并重点阐述了基因重组型枯草芽孢杆菌芽孢展示技术中涉及的锚定蛋白以及该技术在各领域的应用与展望。     

LC3真核表达载体构建及其在293T细胞中自噬诱导研究

【目的】构建pEGFP-N1-LC3真核表达载体,并将其转染进人胚肾细胞293T,通过Earle's盐平衡液(Balanced salt solution,EBSS)饥饿诱导观察细胞自噬现象。【方法】RT-PCR扩增LC3基因,并将其插入pEGFP-N1真核表达载体构建重组质粒。将重组质粒转染至人胚肾细胞293T,显微镜观察、Western blot检测GFP-LC3融合蛋白表达情况。对转染细胞进行Earle's盐平衡液饥饿诱导,通过Western blot验证自噬指标,激光共聚焦显微镜观察自噬泡形成。【结果】成功构建pEGFP-N1-LC3真核表达载体,并在293T细胞中成功表达目的蛋白,在进行Earle's盐平衡液饥饿诱导后观察到自噬泡的形成,Western blot检测到LC3-Ⅰ向LC3-Ⅱ的转化。【结论】本实验为研究自噬在癌细胞病理进程中的机制提供了实验素材。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.