基于“序列-结构-机理”的计算机辅助DAEase新序列挖掘
丁文涛;黄驰;刘臣飒;李若涵;王昌禄;郭庆彬;为丰富D-阿洛酮糖-3-差向异构酶(D-allulose 3-epimerase,DAEase)家族成员，采用序列比对、同源建模、分子对接、蛋白表达、酶活检测等方法，建立基于“序列-结构-机理”的计算机辅助DAEase挖掘新策略，成功筛选到DAEase新序列并对其进行表征。利用模板探针从NCBI数据库中筛选同源序列，根据对接质量、关键氨基酸数量、底物氢键个数及催化机理对候选序列进行综合评分；合成不同分值的DAEase候选序列进行表达验证，发现2个高分候选序列具备明显DAEase催化活性，而3个低分候选序列催化活性极低，与预测相吻合。对活性较高的来源于厚壁细菌(Firmicutes bacterium)HGW的DAEase(Fbh-DAEase)进行表征，结果显示：Fbh-DAEase为非金属离子依赖酶，其最适反应pH为6.5；最适温度为55℃，45、50、55℃的半衰期分别为3.9、2.3、1.7 h；最适反应条件下Fbh-DAEase的比活力达到254.3 U/mg。以500 g/L D-果糖为底物时，Fbh-DAEase催化反应8 h后D-阿洛酮糖产量达到137.8 g/L，转化率为27.56%。与现有DAEase相比，Fbh-DAEase的比活力和热稳定性都达到较高水平，且最适pH为弱酸性，具有一定的应用价值。
基于自然语言处理的枯草芽孢杆菌启动子强度预测
陈聪葛;郭怡雪;卞亚蕊;刘夫锋;路福平;彭冲;作为在转录水平上调节基因表达的关键元件，启动子的强度直接调控基因的表达水平。现有启动子强度预测模型多集中于大肠杆菌，针对其他物种启动子强度预测的模型则相对较少。本研究主要以枯草芽孢杆菌启动子为研究对象，收集多组枯草芽孢杆菌启动子序列强度数据，采用绿色荧光蛋白表达强度作为统一表征指标，对多组启动子强度进行标准化计算，构建枯草芽孢杆菌启动子强度数据集。分别使用7种自然语言处理方法，包括Fast Text、TextCNN、TextRNN、TextRCNN、TextRNN＿Att、DPCNN和Transformer，构建启动子强度预测模型。结果表明，Transformer模型在启动子强度预测任务中取得最好的预测效果，准确率可达79.49%。本研究自主构建了枯草芽孢杆菌启动子强度数据集，并使用自然语言处理的方法训练得到效果较好的启动子强度预测模型，研究结果可以为枯草芽孢杆菌特定强度启动子的筛选提供依据。
基于CNN-BiLSTM-AM的发酵过程多时间步预测方法及其应用研究
韩炫州;韩雪莉;徐超;郑宇;夏建业;合成生物学技术极大提升了菌株改造效率，然而传统发酵优化方法依赖于专家经验且需要反复试错，开发效率低，难以满足大量高产菌种对应发酵工艺优化的需求。基于数据和模型驱动的智能化发酵优化方法可大幅提升发酵工艺优化的效率，然而缺乏成熟可靠的智能化模型严重限制了发酵工艺优化智能化的发展。针对以上问题，本研究提出一种基于卷积神经网络(convolutional neural network,CNN)、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)、注意力机制(attention mechanism,AM)多模型整合的发酵过程多时间步预测方法(命名为CNNBiLSTM-AM)并应用于发酵过程预测。首先，对提出的整合模型进行超参数优化，提高模型的预测精度；其次，通过消融实验和与各分模型的对比，对整合模型进行验证；最后，分别利用青霉素发酵数据集和左旋多巴发酵数据集进行模型应用。结果表明，本文模型在10个时间步长下，预测的决定系数大于0.9，能够利用已获得的发酵过程数据成功预测产物浓度多时间步后的变化。
基于MIL-101(Cr)/荧光适配体的NoV高灵敏检测方法
崔涵;马雨靓;林嘉琦;任舒悦;刘冰;高志贤;诺如病毒(NoV)是引起食源性疾病的主要原因之一，它能够引起急性肠胃炎，导致严重的腹泻。目前常用的几种NoV检测方法存在如灵敏度低、操作复杂、设备成本高以及检测时间长等缺陷。因此，亟需开发出一种快速、灵敏且操作便捷的NoV检测方法。本研究采用特异性识别NoV衣壳蛋白VP1的适配体与金属有机骨架相结合的方法，构建一种基于荧光检测的高灵敏度传感器，该传感器具备检测特异性、高灵敏度和良好的稳定性，最低检测限为0.075 ng/mL。本研究检测方法快速、灵敏、便捷，为即时检测提供了可靠的技术支持。
重要通知
网站访问量
今日访问量: 311