N-糖基化修饰对热休克蛋白gp96免疫学功能的影响

文中旨在以N-糖基化位点突变的重组热休克蛋白gp96为对象,研究N-糖基化修饰对其免疫功能的影响。首先利用昆虫表达系统表达野生型和突变型gp96蛋白,并检测其糖基化水平。进一步通过体外和体内实验,利用流式细胞术和酶联免疫吸附试验(Enzyme linked immunosorbent assay,ELISA)检测小鼠CD8^(+)IFN-γ^(+)T细胞亚群和IFN-γ的分泌,查明糖基化对gp96抗原呈递功能的影响,进一步用ATPase试剂盒检测gp96的ATPase活性。最后通过小鼠免疫实验探究糖基化对gp96疫苗佐剂功能和活化流感疫苗特异性T细胞的影响。结果显示,N-糖基化修饰位点突变后,重组gp96蛋白总含糖量下降了27.8%。与野生型重组蛋白相比,突变gp96的抗原呈递能力减弱,同时ATPase活性明显降低。同时与野生型重组gp96相比,突变gp96佐剂活化流感疫苗特异性T细胞水平也明显减少。这些结果表明,N-糖基化修饰参与调节gp96的ATPase活性和抗原呈递功能,进而影响其疫苗佐剂功能,为开发基于gp96的佐剂疫苗提供了依据。

基于深度学习的蛋白质建模与设计

随着蛋白质序列及结构数据的大量累积,在获得了大量描述性信息之后如何有效利用海量数据,从已有数据中高效提取信息并且应用到下游任务当中就成为了研究者亟待解决的问题。蛋白质的设计可使新蛋白的研发不再受限于实验条件,这对药物靶点预测、新药研发和材料设计等领域具有重要意义。深度学习作为一种高效的数据特征提取方法,可以通过它对蛋白质数据进行建模,进而加入先验信息对蛋白质进行设计。故此基于深度学习的蛋白质设计就成为一个具有广阔前景的研究领域。文中主要阐述基于深度学习的蛋白质序列与结构数据的建模和设计方法。详述该方法的策略、原理、适用范围、应用实例。讨论了深度学习方法在本领域的应用前景及局限性,以期为相关研究提供参考。