- 综合排序
- 最热优先
- 最新优先
- 来自专栏CRM197载体蛋白
TT、DT 与 CRM197 载体蛋白有什么区别？疫苗研发中的常见载体蛋白解析
其中常见的载体蛋白包括破伤风类毒素（TT）、白喉类毒素（DT）以及白喉毒素无毒突变体CRM197。这些载体蛋白能够与抗原偶联，从而增强免疫系统的识别能力，使免疫反应更加稳定和持久。 四、CRM197白喉毒素无毒突变体CRM197是一种来源于Diphtheriatoxin（白喉毒素）的单点突变体。由于关键氨基酸突变，该蛋白失去了毒性，但仍然保持天然蛋白结构。 五、TT、DT与CRM197的比较载体蛋白来源特点常见应用TT破伤风毒素类毒素免疫原性强多糖疫苗DT白喉毒素类毒素结构稳定结合疫苗CRM197白喉毒素突变体无毒突变体、可重组表达现代疫苗研究相比TT和DT 七、CRM197蛋白研究示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意FAQCRM197是什么蛋白？ CRM197是一种来源于Diphtheriatoxin的无毒突变体，属于白喉毒素突变体蛋白，失去毒性但保持免疫原性。为什么CRM197常被用作载体蛋白？
15110编辑于 2026-03-12 - 来自专栏CRM197载体蛋白
CRM197是什么？白喉毒素无毒突变体在疫苗研发中的作用
CRM197来源于白喉毒素（Diphtheriatoxin）的单点突变体。由于关键氨基酸发生突变，该蛋白失去了毒性，但仍然保持天然蛋白的结构特征，因此具有良好的CRM197免疫原性。 CRM197蛋白具有以下特点：来源于白喉毒素突变体不具有毒性保持稳定结构具有良好的免疫原性由于这些特点，CRM197常被用作载体蛋白crm197（crm197carrierprotein），用于提高抗原的免疫反应 二、CRM197蛋白结构特点CRM197蛋白的分子量约为58kDa，其结构与天然白喉毒素高度相似，但由于关键突变而失去毒性。 五、CRM197蛋白研究示意图1：CRM197白喉毒素无毒突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用FAQCRM197是什么蛋白？ CRM197是一种来源于白喉毒素（Diphtheriatoxin）的单点突变体，属于白喉毒素无毒突变体，失去毒性但保持免疫原性。CRM197为什么常被用作载体蛋白？
14510编辑于 2026-03-12 - 来自专栏蛋白表达与生物实验技术
CRM197白喉毒素无毒突变体在疫苗与生物医药研究中的应用
其中，CRM197蛋白是一种广泛应用的白喉毒素无毒突变体（Diphtheriatoxinmutant），在多种疫苗和免疫学研究中具有重要作用。 一、CRM197白喉毒素突变体的技术背景白喉毒素是一种由Corynebacteriumdiphtheriae产生的蛋白毒素，在天然状态下具有较强的细胞毒性。 二、CRM197载体蛋白的结构特点CRM197属于单链蛋白，分子量约为58kDa。其结构与天然白喉毒素高度相似，但由于关键位点突变而失去毒性。 3.新型疫苗开发在现代疫苗研究中，CRM197常用于：多肽疫苗合成疫苗糖结合疫苗五、CRM197蛋白研究应用示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意六 FAQ什么是CRM197蛋白？CRM197是一种来源于Diphtheriatoxin的单点突变体，属于白喉毒素无毒突变体，失去毒性但保持免疫原性。CRM197为什么常被用作载体蛋白？
11920编辑于 2026-03-12 - 来自专栏CRM197载体蛋白
CRM197载体蛋白在偶联疫苗研究中的作用
CRM197蛋白是一种来源于白喉毒素的无毒突变体，因其稳定结构和良好的免疫原性，被广泛应用于偶联疫苗研究。 CRM197属于白喉毒素（Diphtheriatoxin）的单点突变体，其第52位氨基酸发生突变，从而失去毒性，但仍保持完整的蛋白结构。这种白喉毒素无毒突变体在免疫学研究中具有重要价值。 一、CRM197蛋白的结构特点CRM197蛋白与天然白喉毒素具有高度相似的三维结构，但由于关键位点突变而失去毒性。 五、CRM197研究应用示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意FAQ什么是CRM197蛋白？ CRM197是一种来源于Diphtheriatoxin的单点突变体，属于白喉毒素无毒突变体，在保持蛋白结构的同时失去毒性。为什么CRM197常被用作载体蛋白？
13510编辑于 2026-03-12 - 来自专栏生命科学
小胶质细胞仅仅是神经系统内的“配角”？| MedChemExpress
阿尔兹海默症 (Alzheimer's disease; AD) 的发展主要与 Aβ 蛋白的积累和 Tau 蛋白的过度缠结相关(见推文：阿尔兹海默症——消逝的世界)，已有阿尔茨海默病小鼠模型的 TPM 目前小胶质细胞耗竭模型主要包括：CSF1R 缺陷小鼠模型；CD11b-HSVTK 转基因小鼠模型，人类白喉毒素受体 (DTR) 转基因小鼠 (CX3CR1creER xDTRff) 模型，以及 CSF1R 白喉毒素受体 (DTR) 转基因小鼠模型依赖于白喉毒素的给药，不仅会诱发细胞因子风暴，且小胶质清除维持时间较短。 使用 CSF1R 抑制剂 PLX5622 抑制小胶质细胞增殖，改善淀粉样蛋白积累。 ■抑制早期小胶质细胞增殖可防止小胶质细胞衰老并改善淀粉样蛋白相关病理 上图表明 DAM 与 AD 发展的病理学相关。
83810编辑于 2023-02-23 【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
该系统因培养快速、成本低廉、表达量高而广泛应用于科研与工业，但其缺乏真核生物的复杂后翻译修饰，且部分蛋白易形成包涵体，需要通过优化表达条件和纯化策略来获得功能性蛋白。 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.
64110编辑于 2025-08-25- 来自专栏生命科学
Nature Review：癌症治疗抗体药物最新综述 | MedChemExpress (MCE)
下面来和小 M 一起了解这篇文章吧~单特异性抗体形式涉及与靶抗原结合的全长免疫球蛋白。 在五种免疫球蛋白亚型 (IgG、IgM、IgA、IgE 和 IgD) 中，只有 IgG 与新生儿 Fc 受体 (FcRn) 结合，导致半衰期长 (约 21天)。 IgG1 亚类还能够结合补体蛋白 C1q，导致补体依赖性细胞毒性 (CDC)，致癌细胞死亡。图 1. 单特异性抗体免疫激活的机制[1]。 免疫毒素有两种成分，一种是靶向抗体或抗体的 Fv，另一种是通常来源于细菌或植物毒素的细胞毒性蛋白。靶向抗体或 Fv 与靶细胞结合，允许选择性递送毒素。 毒素来源于细菌，如假单胞菌外毒素 A (PE) 白喉毒素 (DT) 或植物，如蓖麻毒素。从理论上讲，任何用于产生 ADC 的靶向抗体都可用于免疫毒素。表 2.
28910编辑于 2024-06-07 【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。 然而，在高水平表达时，目标蛋白往往以包涵体蛋白形式沉淀，形成不可溶的聚集物。这种现象虽影响生物活性蛋白得率，但其高表达量、易纯化等特性使得包涵体蛋白纯化成为不可忽视的技术路线。 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。
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
本文提出了 ColAttn 方法，该方法利用蛋白质语言模型识别复合物的间相互作用，并进一步结合多序列比对方法来提升结构预测准确性。 1 介绍 现在有许多深度学习模型在计算生物结构。 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。 本文中，作者首次提出了 MSA 配对算法 ColAttn，该算法把蛋白语言模型的输出组合成联合 MSAs 形式，利用 MSA Transformer 中的注意力得分从单链中识别配对同源物。 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
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。 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. 膜蛋白的药物筛选膜蛋白是许多药物的靶点，如G蛋白偶联受体（GPCR）和离子通道等。无细胞系统能够在体外合成目标膜蛋白，并进行高通量药物筛选，为新药的开发提供了有效的平台。 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
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
然而，由于异源蛋白表达过程中常出现蛋白易聚集成包涵体、降解或表达水平低等问题，导致可溶性表达效率不高。因此，实现重组蛋白在 E. coli 中的可溶表达，是确保后续纯化、结构功能研究与应用的关键。 可溶性蛋白表达的背景与挑战E. coli 表达系统是目前广泛使用的重组蛋白表达平台，具有成熟的遗传工具、可高密度培养、表达速率快、成本低廉等显著优势。 ③．蛋白毒性，对宿主生长造成抑制，影响表达。④．蛋白降解，长时间表达或表达条件不当，宿主蛋白酶作用造成目标蛋白损耗。因此，提升可溶性表达，对科研与产业都具有重要意义。 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。 可溶性蛋白表达策略与建议流程1.
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。 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 ，使其更适合表达大分子或复杂结构蛋白。
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
具体而言，我们提出了一种生成可变长度和多样化蛋白质的方法，以探索和模拟生命的复杂进化，从而扩大蛋白质工程的选择范围。 这些遗传变异为蛋白质工程提供了丰富的蛋白质资源。在蛋白质工程中，一个典型的挑战是蛋白质序列设计，也称为蛋白质反向折叠，它需要找到能够折叠成特定蛋白质主链结构的氨基酸序列。 高度精确的蛋白质序列设计可以生成更有效的酶、改进的基于蛋白质的治疗方法，以及用于工业目的的工程蛋白质，如生物燃料生产和环境修复。 作者提出的模型InstructPLM，采用了一个轻量级的交叉注意力层，将一个固定的蛋白质主链编码器与一个固定的蛋白质语言模型解码器对齐，旨在教授蛋白质语言模型按照蛋白质结构指令设计序列。 模型部分 InstructPLM的整体模型架构由三个部分组成：一个蛋白质语言解码器，一个蛋白质主链编码器，一个蛋白质结构到序列的adapter。
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
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