- 综合排序
- 最热优先
- 最新优先
- 来自专栏生物信息云
分子对接教程 | (4) 蛋白受体文件的预处理
我们这里可以直接打开我们下载的pdb格式的分子结构文件，如果是PDB数据库的蛋白，我们可以通过命令fetch 1e8y下载。1e8y是我们蛋白的 PDB ID。 我们这里保存为PDB格式蛋白文件文件名称：1E8Y_PYMOL.pdb。 ? 做法是找到网页最下面的Prepare PDB file for docking programs，点进去，上传自己的蛋白结构文件，然后点击send，稍等一下可以直接下载处理过的蛋白结构文件。 ? 接下来就是加氢，因为从pdb数据库中下载蛋白质晶体结构是没有氢原子的（除了很少分辨率小于1A的蛋白质有H），这是一个技术问题。所以我们需要把氢原子加上，这一步是必须的。 另外，有的人可能在保存文件之前会将原子类似设置为AD4 type ，其实这一步不需要，因为我们按照上面的操作，软件会自动设置的。 ? 好了，保存文件后，我们可以删除分子，后续处理小分子。 ?
10.2K63发布于 2021-02-26 - 来自专栏生信小驿站
科研绘图系列：（4）使用PPT绘制蛋白质序列
前文：使用IBS绘制蛋白质或核苷酸序列 - 简书 第一步：插入形状；选择带弧度角的矩阵形状，得到下列的图形 第二步：右键选择填充颜色，设置为清灰色；插入新的矩形，选择不带弧度角的矩形；设置颜色为#E64B35 与前文IBS绘制结果对比： 结论，在绘制蛋白质序列这块，我觉得PPT更加方便和美观，建议最好用PPT来绘制。
3.3K30发布于 2020-07-21 【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. 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. 质粒拷贝数与选择标记：高拷贝质粒能提高表达量，但可能增加宿主负担；低拷贝质粒适合对宿主敏感或有毒的目标蛋白。重组蛋白表达纯化策略1. 例如使用携带冷激蛋白promoter的表达载体，在较低温度（如11℃）下诱导，可显著提高可溶表达几率。蛋白表达定制服务1. 构建表达载体：选择合适promoter（如T7、低温诱导promoter）与融合伴体；4. 小规模表达筛选：不同诱导温度、菌株、培养方式下检测表达产量与溶解性；5. 大规模表达与裂解；6.
64210编辑于 2025-08-25- 来自专栏生信技能树
蛋白质组学第4期 文章搜库过程复现
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 蛋白质组学第 3期-蛋白质组学的三大元素 1. 4. 搜库参数 除了设置了LFQ，其他都是采用默认参数。 （4）Up to 5 modifications per peptide were allowed; acety-lation (protein N-terminal) and oxidation (Met
7K67发布于 2019-07-26 - 来自专栏量子位
清华AI蛋白质结构预测，连续4周夺得CAMEO第一
AIRFold在近4周的比赛中，不仅预测结果IDDT分数领先，系统响应时间上也远远领先后几名的团队。 亮眼成绩如何取得？后续又有哪些研究和应用方向？ 兰艳艳教授：挖掘同源信息是目前主流蛋白质结构预测模型以及参赛服务器都会关注的一个关键技术方向，AIRFold的特色集中在获取同源蛋白和对同源蛋白进行优化校正的方法上。 我们设计并实现AIRFold的初衷就是为蛋白质结构预测以及同源蛋白分析这一问题，找到通用的解决方案。 目前主流的结构预测方法，比如AlphaFold2和ESMFold都主要使用单结构域蛋白进行训练，这是因为PDB数据库中单结构域蛋白远多于多结构域蛋白。 在这样一个背景下，我们就更加关注突变蛋白和多构象预测等问题。 蛋白点突变实际上和很多疾病是有关系的。我们现在耳熟能详的一些遗传病，比如囊性纤维化和家族性阿兹海默综合征都是由蛋白发生点突变导致的。
32920编辑于 2022-09-22 【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。 4、伴侣蛋白共表达：如 DnaK–DnaJ–GroEL/ES 蛋白折叠体系，以及过氧化还原系统 DsbA/DsbC 可改善折叠，尤其针对含多二硫键蛋白。 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。 （4）纯化与活性评估可溶化或复性后的目标蛋白通常还需进一步纯化：亲和层析（如 His-tag、GST-tag、Strep-tag）是高效手段。后续可结合离子交换、凝胶过滤进一步提升纯度与去除聚集体。
36710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。 图 2：不同方法在不同域上的 DockQ 比较 作者还可视化了 5D6H、6KIP、6FYH、4LJO 这 4 个 PDB 结构，如图 3 所示，结果显示用 ColAttn 方法能精准预测而使用 AlphaFold-Multimer 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 【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
无细胞蛋白表达系统的优势1. 高效快速无细胞表达系统能够在数小时内完成蛋白质的合成，显著缩短了实验周期。例如，使用大肠杆菌提取物的CFPS系统，能够在4小时内合成出高浓度的目标蛋白。2. 灵活性和多样性无细胞系统可以使用不同来源的细胞提取物，如大肠杆菌、酵母或哺乳动物细胞，满足不同蛋白表达的需求。此外，系统可以方便地进行高通量筛选和多种蛋白的并行表达。4. 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。 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。4. 4. 膜蛋白的功能研究难度大膜蛋白的功能研究由于其复杂性和多样性，常常面临挑战。为提高功能研究的效率，可以使用高通量筛选、荧光标记和质谱分析等方法。
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
哺乳动物蛋白表达是指将目标基因导入哺乳动物细胞（如CHO、HEK293等）后，利用其与人类高度相似的转录、翻译及翻译后修饰机制，在细胞内合成并加工目标蛋白的过程。 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。 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. 磷酸化、乙酰化、甲基化等修饰：调控蛋白功能和定位；4、内质网和高尔基体的质量控制：能降解错误折叠蛋白，保证产物一致性。 哺乳动物细胞蛋白表达系统因其天然的折叠与修饰能力，成为表达结构复杂、功能敏感蛋白的首选平台。
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
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）。 融合标签与纯化标签融合提高表达量专利中提到一种复合融合标签结构（T7 tag + His6 + Strep II + EK 切割位点），克隆到 N 端，经过密码子优化，表达量较常规 His 标签提高了约 4 目前已有多个案例利用 Sec 或 SRP 通路实现二硫键依赖性蛋白的正确折叠与可溶性表达。4. 培养条件优化综述指出，结合低温诱导、自诱导培养、高密度发酵等方式可显著提高表达量与可溶性。 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 优化表达条件 温度：16–25 ℃ 低温诱导 IPTG 浓度：0.05–0.5 mM，或采用自诱导培养 诱导时间：4–20 h，适当延长 培养方式：摇瓶 vs 发酵罐（高密度）5
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。 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。 为提高蛋白折叠与分泌效率，研究者常采用以下策略：共表达分子伴侣蛋白（如 BiP、PDI），增强折叠能力；诱导内质网未折叠蛋白反应（UPR），提高宿主细胞对折叠负担的耐受性；通过基因工程方式优化宿主的折叠环境
37610编辑于 2025-08-28- 来自专栏Y大宽
4️⃣ 核酸（蛋白）序列特征分析(5):序列motif的查找和可视化工具
序列比对和序列特征分析总目录 模体Motif，指DNA或蛋白质序列中局部的保守区域，或者是一组序列中共有的一小段序列模式。这些motif很可能具有分子功能，结构性质或家族成员相关的任何序列模式。 MEME是最广泛使用的DNA和蛋白质序列中模体识别和分析的综合工具。MEME sutie包含很多不同需要的工具。 ?
2.9K40发布于 2019-02-26 - 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
为了解决数据有限的问题，在大型视觉-语言模型领域出现了一种新的策略，即跨模态对齐，据说已被整合到GPT-4中（尽管GPT-4的技术细节尚未公开披露）。 表 2 图 4 在大型语言模型的背景下，"scaling laws"（规模化法则）指的是这些模型的下一个词预测损失按照模型参数数量、训练数据量或训练过程中使用的计算资源的规模呈幂律缩放的观察结果。 实验结果显示在表2和图4中。在所有五个数据集上，ProGen和InstructPLM都遵循大型语言模型的规模化法则——它们的语言模型损失可以使用相对于模型大小的幂律预测。 Adapter中可学习的查询向量数据的消融实验 表 4 为了探究蛋白质结构-序列adapter在序列设计中的表达能力，作者对adapter中交叉注意力的可学习查询向量数量进行了消融研究。 InstructPLM在不同查询数量下的详细性能显示在表4中。
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 - 来自专栏智药邦
Science丨结合蛋白大语言模型的快速蛋白进化方法
蛋白质的计算设计和突变可以获得新的功能，这一直是生物工程的核心。随着越来越多基于AI的算法出现，整个领域也在关注快速进化任何蛋白质序列的算法。 本研究开发了一个新的模型EVOLVEpro，一种结合蛋白大语言模型（PLMs），主动学习和回归模型的创新蛋白质工程方法，能够在仅需少量实验数据的情况下快速提升蛋白的活性。 EVOLVEpro的工作原理是利用PLM来编码蛋白质序列至连续的潜在空间，通过回归模型学习蛋白活性与潜在空间的映射关系。 通过对CRISPR核酸酶、编辑酶Bxb1、T7 RNA聚合酶等其他蛋白的优化，EVOLVEpro也展现出其对多种蛋白活性的提升潜力。 研究结果表明，EVOLVEpro是一种强大的普适性工具，可以在生物学和医学的蛋白质工程中广泛应用，尤其适用于那些难以通过高通量筛选的蛋白进化任务。
47910编辑于 2024-12-19 - 来自专栏DrugOne
BIB | 动态结构信息提升蛋白-蛋白相互作用预测能力
蛋白质的空间结构与其功能特性密切相关，在预测蛋白质-蛋白质相互作用中增加蛋白质空间结构相关信息能潜在提高模型预测能力。 本文提出TAGPPI模型，融合蛋白质序列特征与AlphaFold2预测的结构信息提高蛋白-蛋白相互作用预测精度。德睿智药团队负责了研究部分AI模型的开发与验证。 以下为研究背景，方法，实验与结论 01 背景 破译与蛋白-蛋白交互（PPI）网络是未来十年基础研究和药物研发的重大挑战。 深度学习用来做蛋白质相互作用预测的一般步骤为：选择一些对预测有用的特征（比如蛋白质序列信息、进化信息、物理化学特性等），构建训练和测试数据集，构建合适的神经网络提取更高级的蛋白质表征，在训练集上进行训练 由于蛋白质的空间结构与其功能密切相关，研究团队认为针对PPI预测问题，结合蛋白质结构信息，可潜在提高模型的预测性能。
1.1K20编辑于 2022-03-25 - 来自专栏DrugOne
. | 三模态蛋白语言模型驱动高级蛋白搜索
DRUGONE 研究人员提出了一种名为 ProTrek 的三模态蛋白语言模型，该模型同时整合了蛋白质的序列、结构和功能三种模态。 计算模拟和实验验证表明，ProTrek 服务器已预先计算了超过 50 亿条蛋白质嵌入，为大规模蛋白质数据库的检索与分析提供了高效平台。 蛋白质是细胞的核心分子机器，驱动着多样的生物学过程。 随着大语言模型和蛋白语言模型的快速发展，研究人员提出构建一个基础性模型来统一蛋白的序列、结构和功能模态。 文本-蛋白互译 在基于文献的验证实验中，ProTrek 能准确将文本描述映射到目标蛋白，或将蛋白序列检索到正确的功能描述。 高效的搜索速度，适合超大规模蛋白数据库。 尽管 ProTrek 在新设计蛋白或细微序列变异上仍存在不足，但研究人员认为它已成为生成生物学假设、发现新蛋白和探索蛋白功能模式的有力工具。
27510编辑于 2025-10-14
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