- 综合排序
- 最热优先
- 最新优先
多肽定制合成：一般多肽合成的方法
目前我们常用的多肽合成方法主要分为两大类：液相多肽合成和固相多肽合成，下面为大家分别讲解一下这两种方法。1. 液相多肽合成（Liquid-phase Peptide Synthesis）液相多肽合成是一种经典的多肽合成方法，虽然现在大多数在实验室中已经被固相多肽合成所取代，但在工业上大规模生产多肽时仍具有可用性 固相多肽合成（Solid-phase Peptide Synthesis, SPPS）固相多肽合成由罗伯特·布鲁斯·梅里菲尔德（Robert Bruce Merrifield）首创，现在已成为实验室中制造多肽和蛋白质的常用有机合成方法 BOC策略：使用叔丁氧羰基(Boc)作为氨基酸N端的保护基，但在多肽合成过程中需要反复使用TFA脱Boc，而且在最后将多肽从树脂上切割下来需要使用HF，由于HF必须使用专门的仪器进行操作，且多肽切割过程中容易产生副反应 固相多肽合成的流程：通常包括缩合、冲洗、去除保护、再冲洗等步骤，这些步骤反复循环直到合成完成。最后，多肽从树脂上洗脱下来，经过纯化和脱保护，得到最终的多肽产品。
26010编辑于 2026-03-09多肽与多肽的固相合成技术_MedChemExpress(MCE 中国)
Section.01多肽是什么？多肽是以氨基酸为基本单位，经肽键连接而成的生物分子，其分子量一般小于 10 KDa。要了解多肽性质及其合成过程，首先需要了解氨基酸的结构特点。 Section.02多肽的功能及其应用作为搭建多肽的“分子积木”，氨基酸种类、序列组合及修饰的多样性共同决定了多肽结构和功能的多样性，使其能执行信号转导与调控、免疫防御、酶催化、靶向识别运输等多种生理功能 主要多肽类别及其功能。凭借其多样的生理功能，多肽被广泛应用于分子生物学、疾病研究、药物和疫苗开发等领域。多肽的主要应用有哪些? 此外，多肽还可作为免疫原，助力新型疫苗开发。疾病机制研究部分多肽在疾病的发生发展中有重要作用。 化妆品与食品应用部分多肽因具有抗菌、抗氧化、抗衰老等功能被作为食品添加剂或功能性护肤品的添加剂使用。Section.03多肽是如何合成的？
76010编辑于 2025-06-10- 来自专栏DrugOne
AI驱动多肽药物设计 | 2025多肽设计大赛第二轮征集启事
导语 AI多肽设计第一轮比赛结果已公布！在已完成的实验测试中，活性最强的参赛序列EC50达 2 nM，已超越天然多肽 NKA 的水平，充分展示了AI驱动多肽药物设计的巨大潜力。 现正式启动第二轮多肽序列征集，我们诚邀全球科研人员与青年学者继续参与，共同探索AI赋能下的多肽药物设计新前沿。 第一轮结果
15910编辑于 2025-12-17 多肽合成工艺流程详解
在多肽行业，我们常用的多肽合成的工艺流程，特别是固相多肽合成的流程，具体可以细分为多个步骤。 使用高效液相色谱（HPLC）等方法对粗肽进行纯化，以去除杂质并分离出目标多肽。浓缩、过滤与冻干：将纯化后的多肽溶液旋蒸除去有机溶剂，得到浓缩的多肽溶液。对浓缩后的多肽溶液进行无菌过滤。 然后抽干，用DMF洗树脂9次。抽干。4.根据多肽序列加Fmoc-Ala-oH及缩合剂TBTU。 5.加20%六氢吡啶 DMF溶液约50ml室温下氮气鼓动15分钟，脱去Fmoc，再抽干，DMF洗树脂9次抽干。6.根据序列依次合成下一个氨基酸，重复第四步的操作过程，及第5步的操作过程。 7.根据多肽序列合成完多肽后，用二氯甲烷洗树脂3次，乙醚洗树脂3次，抽干，干燥。9.送切割。10.最后用TFA切割液100ml与缩合上氨基酸的树脂做切割反应，滤液中加乙醚使得多肽析出得到粗品。
19800编辑于 2026-03-11多肽药物的黄金时代：多肽药物市场规模与潜力分析 | 皓元医药
PART 01 多肽药物市场规模分析根据Nature的数据，截至2019年，多肽药物约占全球医药市场的5%（图1）。 多肽药物以慢病治疗为主，目前国际上的多肽药物主要分布在7大疾病治疗领域，包括罕见病、肿瘤、糖尿病（内分泌与代谢类）、胃肠道、骨科、免疫、心血管疾病等，其中罕见病、肿瘤和糖尿病是拉动多肽药物市场的“三驾马车 据弗若斯特沙利文数据，预计2030年全球多肽药物市场规模将达到2,108亿美元，其中中国市场规模占全球比重维持在15%左右（图3）。 图1 全球药物市场 (2019)图2 多肽药物治疗适应症图3 全球及中国多肽药物市场规模PART 02 FDA近几年批准上市的治疗性多肽ART 03 多肽药物相关交易近几年，多肽领域（包含PDC）的大额交易或收购主要发生在 参考文献：[1]《2023年中国多肽药物行业概览》沙利文&头豹[2]https://doi.org/10.1038/s41573-020-00135-8[3]https://doi.org/10.1007
37910编辑于 2025-08-18AI 设计多肽：生化研究工具的范式革命
研究背景：多肽的独特生态位与历史局限 2. 多肽的解决方案： • 结合细胞穿透肽（CPP）技术，设计可进入活细胞并稳定保留足够时间以完成靶标结合的多肽 • 荧光标记的多肽结合物可直接用于胞内流式和成像读数 • 未标记多肽可用于竞争置换实验，结合标准生化分析评估靶标结合 • 蛋白酶测定：荧光生成型（fluorogenic）多肽底物，荧光团-猝灭剂 FRET 对 • 激酶/磷酸酶测定：多肽底物或对接基序，精确设计实现酶家族内的单一成员选择性 修饰型报告分子： 多肽可共价连接各种功能模块 （Cas9 核酸酶）解耦，使基因组操控变得简单、可编程、广泛适用。 闭环实验-计算流水线： AI 设计与自动化多肽合成、高通量筛选以及闭环实验反馈的深度整合，将实现多肽试剂的按需生成、筛选与迭代优化。
17110编辑于 2026-04-13- 来自专栏智药邦
Cell｜高精度从头设计可透膜的环状多肽
首先，是多肽药物的稳定性问题，多肽药物因为其众多肽键的存在而容易被体内的肽酶水解。David Baker选择了环状多肽这样一类结构来解决它的稳定性问题。 环孢菌素以及索马鲁肽等口服多肽药物的存在，让科学家们发现，多肽的口服是可以实现的。但是，人们对多肽药物实现口服这个问题一直研究得不够深入。这是阻碍多肽药物市场进一步拓展开来的一个极为极为重要的因素。 图2：环肽在PAMPA和Caco-2试验中的穿膜性测量 2.2 基于9-12残基的透膜环肽设计 早期关于被动透膜肽的工作主要局限于5-7个氨基酸，因为纯亲脂多肽的透膜性随环肽大小的增加而急剧下降。 作者为了确定其设计原则是否能规避这一趋势，使用计算管道设计了各种较大的大环肽，范围是9到12个氨基酸。 在这15个结构中，有3个9-mers、5个10-mers和4个11-mers大环肽与它们的设计模型密切匹配（骨架RMSD为1.2Å或更低）（图3）。
1.4K20编辑于 2022-11-16 - 来自专栏智能生信
Bioinfomatics | 深度神经网络实现多肽与MHC I类结合预测
因此，多肽与MHC结合是抗原呈递过程中的关键。识别能与MHC分子结合的多肽是开发癌症疫苗的重要步骤之一。 图1 ACME网络架构 卷积模块中，MHC特征首先经过max pooling，然后是另一轮一维卷积和max pooling，而肽特征由于其序列长度短（即9-12个残基）而没有进行卷积和pooling操作 在三种不同长度（11，10，和9氨基酸）的多肽数据集上，相比于NetMHCpan 3.0，ACME在PCC指标上分别提升了11%、5.3%和3.4%（如图3所示）。 此外，作者将ACME模型与较新的ConvMHC模型在多肽与MHC结合预测性能方面进行了对比。值得注意的是，ConvMHC只能应用于长度为9的多肽上。 在这个长度的多肽上，ACME的准确率比ConvMHC 高1.2%。而除了长度为9的多肽，ACME还可以对不同长度的多肽进行精确预测。
1.5K30发布于 2021-02-04 - 来自专栏智能生信
| iDVIP：病毒整合酶抑制性多肽的鉴定和特征分析
iDVIP: identification and characterization of viral integrase inhibitory peptides
31930编辑于 2022-12-29 - 来自专栏智能生信
. | 多肽药物发现综述
20世纪80年代重组技术的出现使生产更大的多肽成为可能。随后，通过结合脂类、较大的蛋白质和聚乙二醇来增加多肽分子量的策略有助于克服肾脏清除和增加血浆循环时间的问题。 像噬菌体展示这样的显示技术现在允许从巨大的文库中以目标为导向发现具有更多药物性质的多肽。Flexizyme技术允许将非蛋白原性氨基酸纳入展示库。 目前获批的多肽类药物中，大多数是激动剂，最常见的靶向适应症与内分泌学、代谢和肿瘤学有关。 ? 图2. 多肽药物市场 肽药物发现策略 整合的毒液组学和显示技术是发现治疗性先导物的两项关键技术。 图5.肽药物的药物化学策略 肽药物开发展望 在过去的60年里，多肽疗法得到了稳步的认可，我们预计这一趋势将会加速，因为生物制剂已经消除了药物需要口服才能成功的传统假设。 多肽领域在许多方面已经成熟，包括能够大规模、可靠、快速地生产结构复杂的多达100个氨基酸的多肽的平台，使高效、低成本的SAR和先导物优化研究成为可能。
3.3K10发布于 2021-03-03 - 来自专栏智能生信
CELL SYST|结合抗原加工改进MHC I类呈递多肽预测
之后结合MS识别的多肽（hits）与未识别到的多肽（decoys）生成AP模型的训练集以结合MHCI类等位基因信息。 它的神经网络结构包含了多肽N端和C端裂解或加工信号（图3A）。 另外作者通过AP预测对多等位基因基准中的所有长度为9的多肽进行排序，计算出前1%最高预测值的位置权重矩阵，并绘制了序列标识（图3C）。 该分析显示，半胱氨酸在整个多肽中的hits缺失，这是MS的已知偏差。 AP预测器被训练来学习BA预测器漏掉了什么，即在预测与MHCⅠ类紧密结合的多肽中，区分MS-hits和decoys的残基序列特性。
83510发布于 2021-02-04 多肽药物干货：合成技术与修饰方法详解 | 皓元医药
PART 01 多肽药物定义多肽是由多个氨基酸通过肽键连接而形成的一类化合物，通常由2-50个氨基酸分子组成，其连接方式与蛋白质相同，对应分子量在10,000 dalt以内，其广泛参与和调节机体内各系统 多肽药物由现代生物或化学技术合成，是一类介于大分子蛋白质药物和小分子化学药物之间的具有调节细胞生物功能的药物，可用于疾病的预防、诊断及治疗。详细可见下表中的属性对比。 表1 多肽药物与传统小分子化药和蛋白质药物的比较PART 03 多肽药物的合成方法及特点多肽药物合成一般有生物合成法和化学合成法。其中化学合成法中的固相合成法是目前多肽药物的主流方法。 因此，围绕肽类载体、递送系统及新剂型的研究显著加速了更多肽类药物的上市进程。此外，通过多种结构修饰手段，可调控肽类的药代动力学特性，包括吸收、半衰期、代谢和生物利用度。 图4 用于克服肽类使用限制并提升其类药物特性的修饰策略PART 05 FDA近几年批准上市的治疗性多肽参考文献：[1]《2023年中国多肽药物行业概览》沙利文&头豹[2]https://doi.org/
74910编辑于 2025-08-18- 来自专栏DrugOne
Nat.Commun | 应用AlphaFold2进行多肽-蛋白质对接
在不需要多肽的多序列比对信息的情况下，作者应用AlphaFold2成功建模出多肽-蛋白质复合体，并且还可以处理配体结合诱导的受体构象变化。 1 研究背景 多肽-蛋白质相互作用对许多生物过程十分重要，多肽常通过结合蛋白质和介导或阻断相互作用，作为治疗药物应用于生物技术、药物传递、成像等等。 实验表明，通过将多肽连接到受体，神经网络会生成准确的多肽-蛋白质复合结构。 此外，值得一提的是，AF2还能够在没有可用的多肽MSA信息的情况下，模拟多肽-蛋白质复合结构。 https://doi.org/10.1038/s41467-021-27838-9 代码 https://github.com/Furman-Lab/Peptide_docking_with_AF2_
1.5K41编辑于 2022-03-25 - 来自专栏DrugOne
. | 用机器学习预测多肽质谱库
长期以来的多肽识别方法，如搜索引擎和实验质谱库，正在被深度学习模型所取代，这些模型可以根据多肽的氨基酸序列来预测其碎片质谱。 该领域目前的挑战包括预测具有翻译后修饰的多肽和交联的多肽对的质谱。 修饰和交联的多肽 PTMs是对蛋白质的共价修饰，可以发生在氨基酸侧链或末端。它们的存在改变了离子序列成员的质量，也可以对峰强度产生深远的影响。此外，由于特定于修改的中性损失，它们可能会产生额外的碎片。 深度学习在多肽识别问题上的另一个有前途的应用是DeepMatch，它规避了光谱的预测，直接预测PSM分数。
1.5K10编辑于 2022-11-28 - 来自专栏HyperAI超神经
西湖大学利用 Transformer 分析百亿多肽的自组装特性，破解自组装法则
多肽不仅与多个生理活动相关联，还可以自组装成纳米粒子，参与到生物检测、药物递送、组织工程中。 然而，多肽的序列组成过于多样，仅 10 个氨基酸就可以组成超过百亿种多肽。 由于这些氨基酸的侧链和水之间相互排除，疏水性强，对多肽自组装贡献较强。这组氨基酸常分布在多肽的两端，尤其是自组装多肽的 N 端。 图 9：氨基酸的疏水作用 第三组氨基酸包括组氨酸 (H)、丝氨酸 (S) 和苏氨酸 (T)。这组氨基酸有极化侧链，可以通过氢键提升多肽的自组装能力。 图 10：极性侧链对多肽结构的影响 第四组氨基酸包括蛋氨酸 (M) 和脯氨酸 (P)。M 和 P 在不同 APHC 的多肽中分布基本一致，仅对多肽的特定指标有微弱的影响。 自组装多肽：生物医药新方向 虽然人们对多肽的自组装特性研究还不够深入，但自组装多肽已经广泛用于组织工程、药物递送和生物传感当中。
51220编辑于 2023-10-24 - 来自专栏机器之心
浙大团队基于ML的抗菌肽筛选模型，可识别整个肽库空间发现新药
在长度为6-9的多肽上进行全局搜索 ，通过湿实验和活体实验，结果显示，筛选出的多肽的抗菌性能至少可以达到目前发现的，针对特定菌种的最好的抗菌肽的水平。 在长度为 6-9 的多肽全库上进行了测试，湿实验结果表明筛选出的抗菌肽的有效率达到了 98.2%，证明了整套模型的泛化性能。 3. 框架 提出了一个基于领域经验判断规则，使用分类、排序以及回归三大任务组成的一个全新的，基于机器学习的 pipeline (SMEP)，如图 1.a 所示，并在长度为 6-9 之间的多肽全库上（约 5000 实验解读 对于多肽序列的输入，我们使用了两种处理方式应对不同的模型。针对传统的机器学习模型，使用相关工具包，计算出多肽对应的物化性质的 676 维结构化特征。 图 5.a 显示了该框架极高的运算效率，可以在 19 天内完成对 5000 亿级别多肽库的筛选。图 5.c 表明，识别的 54 条多肽（共 55 条）具有抗菌性，识别成功率高达 98.2%。
1.3K30编辑于 2023-03-29 - 来自专栏DrugOne
字节跳动AI制药团队联合清华发布AnewOmni: 面向跨尺度药物设计的通用生成模型
多肽：分别使用AnewOmni设计了线性肽和环肽。在线性肽中，30 个送测多肽分子中有 7 个满足 IC50 < 100 μM 的标准，成功率 23%，最佳活性达到 2.37 μM。 PCSK9：正构与变构两种策略，探索新的药物位点 PCSK9 是调节血液中“坏胆固醇”（LDL）水平的关键蛋白，抑制其功能是治疗心血管疾病的热门策略。 基于此，AnewOmni 采用了两种不同策略： 正构抑制（多肽设计）：在 PCSK9 与 LDLR 的天然结合界面上设计正构抑制肽。 变构抑制（小分子设计）：研究者注意到一个临床阶段的 PCSK9 小分子调节剂 AZD0780 作用机制尚不清晰，因此提出可能存在变构位点的假设，并利用 AlphaFold3 预测 AZD0780 与 PCSK9 细胞实验证实，其中最有效的分子能够上调 LDLR 的表达，其效果与阳性药相当，并有效抑制了 PCSK9 的分泌，阐释了其可能通过“抑制 PCSK9 分泌来减少 LDLR 降解”的方式发挥作用。
27910编辑于 2026-03-25 一个模型，统治所有分子 | 清华&字节跳动发布AnewOmni，首次实现从小分子到纳米抗体的跨模态全原子药物设计
他们提出了 AnewOmni——一个在超过500万个生物分子复合物上训练的全原子生成基础模型，首次在同一个框架内实现了小分子、多肽和抗体的统一设计，并在 KRAS G12D 和 PCSK9 两个极具挑战性的靶点上通过湿实验验证了全尺度的设计能力 团队设计了10到12个残基的线性多肽，靶向 PCSK9 的 PPI 界面。受到前述纳米抗体设计中基于似然排序的良好表现的鼓舞，这次完全采用无监督生成似然作为唯一筛选标准。 SPR 测定显示，7条多肽中4条结合了 PCSK9，Kd 低于 10 µM，对应 57%的命中率，最优者 Kd 达到 3.19 µM 和 4.02 µM。 变构小分子。 鉴于该变构位点位于与 PCSK9 分泌相关的 CTD 上，团队进一步评估了化合物对 PCSK9 分泌的影响——细胞实验表明 AZD0780 和 PCSK9-compound-6 均能有效抑制 PCSK9 团队以 2.70 Å 分辨率解析了 PCSK9-compound-3 与 PCSK9 的共晶结构。
19810编辑于 2026-03-31抗原设计与合成服务｜定制抗原技术｜高效多肽合成
二、抗原合成技术抗原合成分为多肽合成和重组蛋白表达两大技术路径，分别适用于不同类型的抗原需求。1. 多肽合成多肽合成采用固相肽合成（SPPS）技术，是定制抗原合成中快速、精准的手段。 多肽合成与修饰根据设计序列进行多肽合成，支持各种化学修饰和载体偶联。重组蛋白表达与纯化支持不同表达系统，结合优化表达条件，实现高效产物表达及纯化。 A: 抗原合成定制服务涵盖多肽合成、重组蛋白表达、纯化及质量检测。多肽合成适合短肽抗原，速度快纯度高；重组蛋白表达适用于复杂蛋白抗原。 Q3: 多肽抗原合成与重组抗原表达有何区别？如何选择？ A: 多肽抗原合成基于固相肽合成技术，适合短肽和表位设计，合成周期短，纯度高；重组抗原表达通过哺乳动物细胞或大肠杆菌表达系统，适合结构复杂、需正确折叠和修饰的蛋白。
18100编辑于 2025-07-29- 来自专栏智药邦
AI+多肽配料识别｜Nuritas完成4200万美元C轮融资
2024年12月20日，人工智能多肽发现领域的开拓者Nuritas成功完成了超额认购的4200万美元C轮融资。 Nuritas以多年的深层科学研究为基础，正在改变配料开发的模式，将从各种食用植物中发现的、以前无法获得的促进健康的多肽配料推向市场。 对科学的深刻承诺和以客户为中心的解决方案推动市场影响 经过近十年的突破性研究，Nuritas建立了世界上最大的多肽知识库。 其尖端的人工智能平台Magnifier™识别多肽的速度是传统方法的10-50倍，临床成功率超过80%，远远超过行业标准。 关于Nuritas 通过其开创性的人工智能专利Magnifier™平台，Nuritas识别出具有独特性能的多肽，使其客户能够创造出满足当今消费者需求的差异化产品。
30910编辑于 2025-01-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号