流动注射化学发光增强法测定酪氨酸

在Na2CO3-NaHCO3介质中,酪氨酸对Luminol-K3Fe(CN)6化学发光体系有很强的增敏作用.据此建立了流动注射化学发光增强法测定酪氨酸的方法.发光信号的增强值(ΔI)与酪氨酸的浓度在5.0×10-5～4.0×10-7mol/L的范围内呈良好的线性关系,检出限为1×10-7mol/L(S/N=3),对于1.0×10-6mol/L的酪氨酸测定相对标准偏差为2.4%(N=11).该法用于测定医用氨基酸注射液中的酪氨酸,结果令人满意.     

花生油磷酸酯加脂剂的研制及应用

本文报道了以花生油为原料,经酯交换,磷酸化制备新型皮革加脂剂,并研究了其单一及复配后的加脂性能。     

用流式细胞术研究PKC及VRP，CsA对多药抗性细胞的调制与逆转

利用流式细胞术检测抗药性细胞内Ｒｈｏ－１２３的荧光强度作为检测抗性细胞抗性程度的指标，研究了蛋白激酶Ｃ（ＰＫＣ）抑制剂Ｈ７，肿瘤促进剂佛波酯（ＴＰＡ）对多药抗性细胞的调节；钙离子通道阻断剂维拉帕米（ＶＲＰ），免疫抑制剂（ＣｓＡ）对多药抗性的逆转作用．测定了抗性细胞细胞膜和胞浆ＰＫＣ活性水平，指出ＰＫＣ可能通过磷酸化细胞膜上的Ｐ－糖蛋白（Ｐ－ｇｐ）来调节多药抗性细胞的抗性水平，并提供了一种筛选多药抗性逆转药物的简便方法．     

L－酪氨酸高氯酸盐的晶体结构

在水溶液中制备了标题化合物Ｌ－酪氨酸ＨＣｌＯ４，并用Ｘ射线单晶衍射仪测定了其晶体结构。晶体属单斜晶系，Ｐ２１空间群。晶胞参数：ａ＝０．５３３５（１）ｎｍ，ｂ＝０．９８１７（２）ｎｍ，ｃ＝１．２０００（３）ｎｍ，β＝９４．７９（２）°，Ｖ＝０．６２６３（３）ｎｍ３，Ｚ＝２，Ｄｃ＝１．４９４ｇ／ｃｍ３     

β－环糊精对DL－酪氨酸立体选择包结行为的圆二色谱研究

利用客体分子的圆二色性，研究了β－环糊精对ＤＬ－酪氨酸的立体选择包结行为以及体系ｐＨ和时间对立体选择包结行为的影响．确认β－环糊精具有选择包结Ｌ－酪氨酸的特性，且随体系ｐＨ的增加而增强．并认为β－环糊精的这种特性是其分子中手性化合物Ｄ（＋）－吡喃葡萄糖单元和客体分子的不对称静电场总体效应的结果     

酪氨酸电氧化反应体系的[ip,v]数据处理方法研究

本文主要探讨依据较低电势扫描速率条件下的[ip，v]数据集而定量获取电活性物质的表面超额等参数的新的信息处理方法。     

锰(Ⅳ)-甲醛流动注射化学发光体系测定酪氨酸

根据锰(Ⅳ)氧化酪氨酸可以产生弱的化学发光,甲醛对这一化学发光反应有较强的增敏作用的原理,建立了测定酪氨酸的流动注射化学发光分析法.实验结果表明,该方法检出限为2.0×10-7g/mL酪氨酸,线性响应范围为8.0×10-7～1.0×10-5g/mL.对5.0×10-6g/mL酪氨酸进行11次测定,相对标准偏差为2.1%.该法已应用于测定医用18 氨基酸注射液中的L 酪氨酸.     

γ-干扰素诱导沙眼衣原体感染细胞酪氨酸激酶活化的研究

目的探讨IFN-γ诱导的沙眼衣原体感染细胞信号转导中酪氨酸激酶活化。方法采用IFN-γ作用于沙眼衣原体感染的McCoy细胞，用免疫印迹法检测信号蛋白酪氨酸激酶磷酸化的诱导活化，并应用酪氨酸激酶特异性抑制剂genistein拮抗IFN-γ诱导的酪氨酸激酶磷酸化。结果IFN-γ可以在短时间内引起沙眼衣原体感染细胞内的蛋白质酪氨酸激酶磷酸化。磷酸化程度随时间延长而改变，在15min时磷酸化程度最高，以后逐渐减弱。Genistein可抑制IFN-γ诱导的酪氨酸激酶磷酸化；随着浓度增大，抑制作用有所增加。结论IFN-γ诱导沙眼衣原体感染细胞酪氨酸激酶活化。     

氨基酸序列分析揭示苯丙氨酸/酪氨酸解氨酶在陆生植物中的演化

苯丙烷途径在陆生植物木质素和黄酮类等次生代谢产物的生物合成中至关重要，其中一步必需的反应为苯丙氨酸解氨酶(PAL)将底物苯丙氨酸脱氨催化为下游产物。最新研究发现了能够同时催化苯丙氨酸和酪氨酸脱氨的双功能酶—苯丙氨酸/酪氨酸解氨酶(PTAL),但是对诸多问题，例如怎样精准鉴定PAL和PTAL、植物PAL演化为PTAL其氨基酸序列发生了什么变异、哪些植物类群包含PTAL等，仍属未知。为了探索PAL基因家族在陆生植物中的演化及关键变异，本研究利用PAL氨基酸全长序列构建了陆生植物不同类群系统发育树，比较和分析了PAL和PTAL氨基酸序列并模拟了其蛋白质三维构象。结果表明，以PAL氨基酸序列构建的系统发育树，能够反映已知陆生植物的系统关系，PAL和PTAL的氨基酸序列中存在着8个差异位点，其中121和123这两个关键位点非常稳定，可以联合用于准确鉴定包含PAL和PTAL的植物，并且I121L和F123H的关键变异，导致只能与苯丙氨酸结合的PAL演化为也能同时结合酪氨酸的PTAL。     

基于 LibSVM 的 CKSAAP 蛋白特征提取预测水稻蛋白质磷酸化位点

本文从swiss-prot中选取经过试验验证的水稻蛋白质磷酸化位点数据作为训练集合，应用蛋白质序列特征提取方法Composition of k-spaced residues pairs （CKSAAP），为利用SVM算法构建专门针对水稻蛋白质磷酸化位点的预测工具做准备。 CKSAAP方法利用在序列片断中残基的K个间隔距离的组成，进一步反映了残基之间的相关性。本文利用LibSVM软件包对已通过改进过得CKSAAP方法特征提取出来的数值特征对磷酸化位点进行预测，从而为之后构建水稻蛋白质磷酸化位点的预测工具做准备。结果表明，本文基于SVM和CKSAAP方法的水稻蛋白质磷酸化位点预测在丝氨酸，苏氨酸和酪氨酸的平均预测准确性为80．638％，马修斯系数为0．611。与PlantPhos和Musite的预测性能的对比结果显示，在磷酸化各氨基酸位点的预测性能高于PlantPhos及Musite。