- 综合排序
- 最热优先
- 最新优先
- 来自专栏Y大宽
1️⃣序列获取(3)：蛋白质序列获取
EXProt :database for EXPerimentally verified Protein functions ps，写到这里，安利一个航母网址https://www.expasy.org/ 3 UniProtKB：不能再详细 Swiss-Prot 数据来源 核酸数据库翻译推导 蛋白质数据库PIR挑选 科学文献摘录 研究人员直接提交的蛋白序列 特点 每一条序列包括核心数据和注释两类,
68410发布于 2019-01-28 呼吸道合胞病毒（HRSVBRSV）核心抗原深度解析：Fusion蛋白、G蛋白及PreF3蛋白的科研试剂应用
三、 PreF3蛋白：稳定融合前构象的抗原设计突破PreF3蛋白并非病毒基因组直接编码的天然蛋白，而是基于F蛋白结构生物学研究而精心设计的重组蛋白工程产物，特指稳定在融合前构象（Prefusion conformation 技术特点与优势：PreF3蛋白作为科研试剂，其最大优势在于保持了天然PreF构象的抗原表位完整性。 与自发转变为PostF的野生型F蛋白或早期PreF设计相比，PreF3蛋白具有更高的蛋白稳定性和均一性，能更有效地诱导产生针对关键中和表位的高效抗体。 作为科研试剂的核心价值：PreF3蛋白是目前研究HRSV/BRSV F蛋白相关生物学和免疫学的“金标准”抗原。 虽然F蛋白相对保守，但G蛋白差异显著，而PreF3蛋白的设计也需针对不同亚型进行序列优化。
22810编辑于 2025-12-15- 来自专栏R语言可视化
两蛋白间的分子对接3—使用AlphaFold进行
两蛋白间的分子对接3—使用AlphaFold进行据说AlphaFold进行分子对接比传统的蛋白分子工具如zdock、hdock的对接效果更好。 输出PDB格式文件3.pymol中进行可视化操作安装ppi.py脚本文件，Choose file选择ppi.py这个脚本，安装脚本ppi.py这段 Python 脚本是专门在 PyMOL 中执行的，用来分析和可视化蛋白质 -蛋白质相互作用（PPI），重点包括：π-π stacking（芳香环之间的堆叠）Salt bridge（盐桥）Hydrogen bonds（氢键）同时，脚本还设置了可视化参数，便于展示结果。 y1,y2,y3): import numpy as np #print(x1,x2,x3,y1,y2,y3) B1, B2, B3 = [x1[0] - x2[0], x1[1] - [1] - y3[1], y1[2] - y3[2]] n2 = [D2 * E3 - E2 * D3, D3 * E1 - E3 * D1, D1 * E2 - E1 * D2] dot_product
3.4K11编辑于 2025-04-08 - 来自专栏生信技能树
蛋白质组学第3期-蛋白质组学的三大元素
上周我们公布了，蛋白质组学习小组起飞啦！ 短短几天就获得了250多小伙伴的支持，让我们也更有信心的带领大家掌握一个蛋白质组学数据处理的实战，前面两期我们分享的是： 蛋白质组学第1期-认识基础概念 蛋白质组学第2期-认识蛋白质组学原始数据 ?
2.9K44发布于 2019-07-26 【辰辉创聚生物】重组蛋白表达纯化|蛋白表达定制|蛋白修饰|原核表达蛋白
原核蛋白表达宿主菌株与表达载体的选择1. 宿主菌株的选择BL21 系列菌株：最常用的表达宿主，如 BL21(DE3)，因缺乏 Lon 与 OmpT 蛋白酶，可减少重组蛋白降解，配合 T7 表达系统可实现高水平表达。 C41、C43 等突变株：对有毒或难表达蛋白更为耐受，常用于膜蛋白或代谢负担较大的蛋白。2. 3. 小规模表达测试与优化在大规模表达前，需进行小规模试表达检测表达溶解性、条件优化（诱导温度、宿主菌株、表达载体等）。 目标蛋白及修饰/标签设计：根据实验需求确定是否添加His-tag、GST等融合标签，是否加入酶切位点；2. 基因合成与密码子优化：针对E. coli 系统进行优化，提升表达效率；3.
64110编辑于 2025-08-25- 来自专栏DrugIntel
AFsample3：AlphaFold3驱动的蛋白多重构象状态生成与选择
多参数优化的采样系统 为平衡构象质量与计算效率，AFsample3建立了多参数优化的采样体系： 采样规模：针对238个靶标蛋白的测试表明，多数蛋白仅需生成300个模型即可获得高质量交替构象，较AFsample2 构象预测质量显著提升 交替构象优化：28%的靶标蛋白（67/238）的交替构象预测质量实现显著改善（ΔTM>0.1），仅3%（8/238）的目标性能轻微下降，与AF2vanilla、AF3vanilla 跨场景鲁棒性优异 AFsample3在不同构象差异和序列长度的目标蛋白中均表现稳定： 针对构象相似度较高（TM>0.5）的目标蛋白，其交替构象预测准确率提升最为显著； 对于长序列蛋白（序列长度>1000 该协议可直接应用于未知构象蛋白的研究，为孤儿蛋白、新发现蛋白的构象解析提供了可行方案，显著拓展了多构象建模的应用场景。 3. 五、总结 AFsample3作为基于AlphaFold3的增强采样框架，通过创新的MSA随机掩码策略、DiSco无参考筛选协议和多参数优化系统，在多构象蛋白质建模领域实现了技术突破。
21110编辑于 2026-01-27 - 来自专栏DrugOne
AFsample3：AlphaFold3驱动的蛋白多重构象状态生成与选择
多参数优化的采样系统 为平衡构象质量与计算效率，AFsample3建立了多参数优化的采样体系： 采样规模：针对238个靶标蛋白的测试表明，多数蛋白仅需生成300个模型即可获得高质量交替构象，较AFsample2 构象预测质量显著提升 交替构象优化：28%的靶标蛋白（67/238）的交替构象预测质量实现显著改善（ΔTM>0.1），仅3%（8/238）的目标性能轻微下降，与AF2vanilla、AF3vanilla 跨场景鲁棒性优异 AFsample3在不同构象差异和序列长度的目标蛋白中均表现稳定： 针对构象相似度较高（TM>0.5）的目标蛋白，其交替构象预测准确率提升最为显著； 对于长序列蛋白（序列长度>1000 该协议可直接应用于未知构象蛋白的研究，为孤儿蛋白、新发现蛋白的构象解析提供了可行方案，显著拓展了多构象建模的应用场景。 3. 五、总结 AFsample3作为基于AlphaFold3的增强采样框架，通过创新的MSA随机掩码策略、DiSco无参考筛选协议和多参数优化系统，在多构象蛋白质建模领域实现了技术突破。
14610编辑于 2026-01-28 - 来自专栏Y大宽
5️⃣蛋白质的特征信息3:卷曲螺旋预测
序列比对和序列特征分析总目录 卷曲螺旋是蛋白质中的结构motif，其中2-7个α-螺旋像绳索一样缠绕在一起，其中最常见的类型是二聚体和三聚体。 许多卷曲螺旋型蛋白质参与重要的生物学功能，例如基因表达的调节的转录因子。 比如c-Fos和c-jun。
2.8K10发布于 2019-03-04 【辰辉创聚生物】包涵体蛋白纯化|可溶性蛋白表达|大肠杆菌蛋白表达|原核蛋白表达
在生物技术与分子生物学中，原核蛋白表达体系（尤其是大肠杆菌蛋白表达）因操作简便、生长速度快、成本低廉，是获取重组蛋白的重要途径。 因此，在工程过程中，提升可溶性蛋白表达与完善包涵体蛋白的纯化与复性策略，是实现高效、活性蛋白回收的关键。可溶性蛋白表达策略避免目标蛋白形成沉淀、提高可溶性表达是首选路径。 3、使用融合标签（如 MBP、GST、His-tag）：这些标签可增强表达稳定性、促进折叠并便于后续纯化。 通过上述策略，可显著在原核蛋白表达 / 大肠杆菌蛋白表达系统中提升可溶性蛋白表达比率，从而降低进入包涵体途径的蛋白量。包涵体蛋白纯化流程当可溶性表达不足时，包涵体表达成为高产获取目标蛋白的重要替代。 （3）复性（Refolding）溶解后需进行复性，将蛋白恢复至天然构象。缓慢稀释、梯度透析、加入辅因子、氧化还原系统、辅侣蛋白等方式可降低聚集，提升折叠质量。
36610编辑于 2025-09-02- 来自专栏医学数据库百科
蛋白功能预测
我们在遇到一些新的蛋白的时候，经常需要去了解这个蛋白的功能。如果是一个新的还没有功能注释的蛋白，一般数据库就用不了了。这个时候就可以使用 NetGo 来对蛋白的序列进行功能注释了。 ? NetGo基于三重信息来对蛋白序列进行功能预测： 基于已知的功能信息信息(GO数据库) 基于STRING蛋白相互作用数据库进行注释 如果没有互作蛋白的可以进行同源转换进行注释。 数据库评价 对于蛋白功能预测的话，已知的蛋白基本上都已经基于GO预测好了。如果我们研究的是已知常规蛋白的话，其实可以去类似Genecards或NCBI的gene数据库直接看的。 这个数据库更多的可以用于新发现的蛋白的预测，或者说一个基因不同转录本之间的研究，看有没有功能的区别。
92810发布于 2020-06-01 - 来自专栏DrugOne
用蛋白语言模型改进蛋白复合物预测
AlphaFold-Multimer 就提升了蛋白质复合物结构的预测水平，但其准确性依然取决于多序列比对（MSA）结果。 同时，蛋白质语言模型也在不同的工作中被广泛应用，它可以捕捉到序列中的约束和共进化信息。 3 结果 作者从 PDB 中挑选了 801 个相似性最高只有 40%的异质二聚体靶标，利用 AlphaFold-Multimer 来预测复合物结构。 图 3：结构可视化 不同 MSA 方法具有不同的优势，作者任意结合两种方法组合成 10 个模型，取 Top-5 DockQ 平均得分，如图 4 所示，混合策略都显著好于相应的单个策略。 图 6：不同层上 DockQ 得分 4 总结 本文基于预训练蛋白语言模型，探索了一些 MSA 配对算法构建有效间相互作用的效果，这篇文章也是首次将蛋白语言模型用来构造联合 MSA，实验结果证明本文提出的
73320编辑于 2022-11-28 - 来自专栏DrugOne
PNAS | 开发用于优化蛋白质设计的3D模型
该技术使用三维（3D）结构模型来预测分子嵌段的新颖组合如何协同工作以实现所需的效果。 采用的相同方法，只关注知道起作用的蛋白质亚结构。” ? 尽管许多治疗药物是从天然存在的蛋白质中产生的，但自定义领域尚未发展为允许合成蛋白质的广泛开发。开发合成蛋白的障碍中，绝大多数是可能的氨基酸组合。 为了开发一种优化的设计方法，研究小组扫描了包含150,000种已知蛋白质的3D模型的数据库。他们发现蛋白质中经常会出现少量结构模式，并且蛋白质结构中的许多多样性都来自于这些结构单元的组合方式。 新工艺着眼于蛋白质中存在的较大原子块（称为第三基序），以设计功能性蛋白质。这些是反复出现的结构布置，类似于建筑物中的拱门或立柱，可用于设计新颖的蛋白质而无需考虑其原子级组成。 根据研究论文，结果“有力地证明了蛋白质数据库现在已经足够大，可以仅通过使用不相关蛋白质的结构基序实例来设计蛋白质。” ?
87440发布于 2021-01-28 【辰辉创聚生物】膜蛋白表达|无细胞蛋白表达|重组蛋白表达生产
高可控性无细胞系统可以精确控制反应条件，如温度、pH、离子强度和底物浓度等，从而优化蛋白质的表达和折叠过程。这种可控性对于膜蛋白等复杂蛋白的表达至关重要。3. 无细胞蛋白表达系统在膜蛋白研究中的应用1. 膜蛋白的表达和纯化膜蛋白由于其疏水性和结构复杂性，传统的细胞表达系统难以高效表达和纯化。 3. 膜蛋白的功能研究无细胞系统能够在体外合成具有功能的膜蛋白，如离子通道、受体和转运蛋白等，为其功能研究提供了便利。通过与膜片钳技术、荧光标记和质谱分析等方法结合，可以深入探讨膜蛋白的功能机制。 3. 膜蛋白的纯化困难膜蛋白由于其疏水性和结构复杂性，常常在纯化过程中遇到困难。为提高纯化效率，可以使用亲和层析、密度梯度离心和超滤等方法。 此外，结合计算模拟和结构生物学技术，也有助于深入探讨膜蛋白的功能机制。无细胞蛋白表达系统作为一种高效、可控和灵活的蛋白合成方法，在膜蛋白研究中具有重要应用价值。
36610编辑于 2025-09-09【辰辉创聚生物】哺乳动物细胞蛋白表达|HEK293蛋白表达|CHO细胞蛋白表达|哺乳蛋白瞬时表达
其优点包括：1、生长稳定，可在无血清、悬浮条件下大规模培养；2、能够进行复杂的 N-和 O-糖基化修饰，产物符合人体药用标准；3、已建立完整的细胞株筛选、基因扩增和工艺优化流程。 其优势在于适合快速验证蛋白功能、小规模制备和结构分析。例如，研究者常在 HEK293E 中快速获得融合蛋白或重组受体蛋白，用于体外功能实验。 3. QMCF 系统一种介于瞬时与稳定表达之间的快速平台。基于外源质粒的外源保留与复制，可持续表达2–3周，产量可达 1 g/L，且一周内可建立生产细胞库。哺乳动物细胞蛋白表达载体构建与优化策略1. 3. 蛋白表达培养悬浮培养配合优化培养基（如 Expi293 系统），可在一周内获得毫克至克级蛋白产量。4. 翻译后修饰与正确折叠机制哺乳动物细胞能够进行复杂的 PTMs，包括：1、N-糖基化与 O-糖基化：对蛋白稳定性、分泌效率和生物活性至关重要；2、二硫键形成：维持正确的三维结构，特别是抗体和受体蛋白；3、
38310编辑于 2025-08-27【辰辉创聚生物】可溶性蛋白表达|大肠杆菌蛋白表达|蛋白表达纯化
3．表达载体与启动子强启动子：如 T7 promoter（pET 系列载体）用于高水平表达，诱导诱导强，但容易导致过量蛋白聚集。 4．宿主菌株选择经典表达株：BL21(DE3)、Rosetta（携带稀有 tRNA）、Origami、Shuffle（增强二硫键形成）。 耐毒性株：BL21(DE3)pLysS/pLysE 在诱导前抑制 T7 RNAP 表达，从而降低毒性蛋白对宿主的损害。 3. 分泌表达：信号肽与分泌通路应用通过优化信号肽（如 PelB、MalE）引导目标蛋白进入周质空间，减少蛋白酶降解并利于折叠。 选择宿主菌株 例如 BL21(DE3)（表达量高）、Rosetta（稀有 tRNA）、Shuffle/Origami（二硫键蛋白） 若毒性蛋白，选 pLysS / pLysE 抑制提前表达4
35710编辑于 2025-09-11【辰辉创聚生物】酵母蛋白表达|酵母表达系统|异源蛋白表达|真核蛋白表达
酵母是真核生物中最常用的异源蛋白表达平台之一。 酵母蛋白表达宿主系统1、酿酒酵母 (S. cerevisiae)作为最早被用于异源蛋白表达的真核宿主，酿酒酵母的遗传背景清晰，分子生物学工具完善，适合基础研究和结构相对简单的蛋白表达。 3. 分泌信号肽通过在外源基因前端融合分泌信号肽（如 α-因子前导肽），可以将目标蛋白导入分泌途径，从而将蛋白分泌到培养基中，极大简化下游提取与纯化流程。4. 折叠效率与伴侣蛋白共表达在高水平表达过程中，外源蛋白容易在内质网中错误折叠或聚集，引发内质网应激反应。 5' UTR 调控：最新研究显示调整 P. pastoris 5'UTR 中“G”核苷酸频率可显著提高表达强度；通过设计 KZ3 变体组合表达强度提升明显。
37610编辑于 2025-08-28- 来自专栏DrugAI
Science | 靶向无序蛋白的新一代结合蛋白设计
研究人员提出了一种通用方法，设计可结合无结构蛋白区域的结合蛋白，其侧链能够嵌入互补的结合口袋中。研究人员成功设计了39种结合多种多样无结构靶标的蛋白，其中34种设计的解离常数在百皮摩尔至百纳摩尔之间。 这项研究为解决无结构蛋白和肽的识别难题迈出了关键一步。 自然进化已发展出多种机制来识别无结构蛋白质区域，如抗体、MHC复合物、TPR结构、Armadillo重复蛋白等，但通用的肽识别工程仍面临挑战。 尽管已有研究尝试泛化某些天然蛋白的结合模式，但开发具有全新特异性的结合蛋白仍然困难。 研究人员提出了一种结合物理建模与深度学习的设计策略，先使用Rosetta方法生成多个重复单元结构的蛋白骨架，再通过RFdiffusion方法实现结合口袋的重组与多样化，从而构建能够适配各种序列与构象的结合蛋白模板库 应用示例 蛋白组学富集：设计子可用于富集低丰度蛋白（如WASH复合体、PER2等），对研究信号通路具有价值。 疾病靶点识别：用于识别突变型肽段（如CTN4），在临床质谱检测中具有潜力。
16020编辑于 2026-01-06 - 来自专栏Y大宽
hypothetical protein假设蛋白
这些蛋白质，无论是孤儿还是保守的假设蛋白质，占每个新测序基因组中编码的蛋白质的约20％至40％。 假设蛋白是在基因组分析过程中由基因预测软件产生。 通过把hypothetical protein与已知的家族domains进行比较，可以获得保守结构域，进而可以把这些假设蛋白归类到某一蛋白质家族中，即使它们还没有被体内实验证实。 hypothetical protein的功能也可以通过同源建模进行预测，在这种预测中，假设蛋白要与已知三维结构的蛋白序列进行对齐，并且，通过这种方法，如果结构被预测，那么假设蛋白的功能也可以由计算来确定 此外，注释假设蛋白功能的方法包括通过 结构基因组学方法对这些蛋白进行三维结构确定，理解辅基/金属结合的本质和模式，与已知功能和已注释的可能的催化位点和调节位点的蛋白的折叠相似性等。
3.9K52发布于 2018-09-30 - 来自专栏DrugOne
InstructPLM: 对齐蛋白质语言模型以遵循蛋白结构指令
，ESM-IF）初始化其编码器； 3、蛋白质结构到序列的adapter，是InstructPLM中的关键组件，负责将结构与序列在语义空间中对齐，它也是InstructPLM中唯一需要训练的模块。 InstructPLM的湿实验验证 图 3 尽管InstructPLM在诸如困惑度、序列恢复和同源性评分等计算机模拟序列设计指标上取得了显著改进，作者还测试了InstructPLM设计功能性蛋白的能力。 设计过程在图3(A)中有所概述。利用主链结构作为起点，InstructPLM通过自回归生成产生10,000个潜在序列，采用top-p抽样（p = 0.9）和温度0.8。 InstructPLM设计的所有15个序列都具有PET水解活性，其中11个序列的活性优于野生型（PDB代码：5XJH），如图3(B)所示。 图3(E)展示了一个由InstructPLM生成的序列示例，它同时具有催化三元组和两个二硫键。
45010编辑于 2024-06-04 - 来自专栏蛋白表达与生物实验技术
无细胞蛋白表达系统的发展：从传统蛋白表达系统到自动化蛋白筛选系统
随着蛋白研究需求不断增加，研究人员需要更快的蛋白表达速度以及更高通量的蛋白筛选能力。 什么是无细胞蛋白表达系统无细胞蛋白表达系统是一种在体外环境中完成蛋白合成的技术。该系统通过提取细胞中的转录翻译组件，在体外重建蛋白合成所需的分子机器。 无细胞蛋白表达系统的优势相比传统细胞蛋白表达系统，无细胞蛋白表达系统具有多个优势。快速表达传统蛋白表达系统通常需要数天时间完成培养和诱导，而无细胞蛋白表达系统可以在数小时内完成蛋白合成。 高通量蛋白筛选在蛋白工程研究中，研究人员往往需要筛选大量蛋白突变体。无细胞蛋白筛选系统能够在微量反应体系中同时表达多个蛋白构建体。 适用于复杂蛋白某些膜蛋白或毒性蛋白在细胞表达系统中难以表达，而无细胞蛋白表达系统可以绕过细胞生长限制。
12710编辑于 2026-03-20
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