项目名称: 磷酸多肽的纳米材料富集及常压敞开式质谱分析的新方法研究

项目编号: No.21305005

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 刘佳

作者单位: 北京大学

项目金额: 25万元

中文摘要: 随着蛋白质组学的发展,对蛋白质翻译后修饰的研究受到人们越来越多的重视。蛋白磷酸化是一种最重要的蛋白翻译后修饰,它调控着诸多基本的细胞过程,比如基因表达、信号传导和蛋白降解等过程。因此磷酸蛋白的检测和磷酸化位点的确定对于开发新的药物靶点和了解疾病机理具有重要意义。由于体系中磷酸蛋白的数量和蛋白磷酸化程度相对较低,一般磷酸蛋白在质谱分析前要先经过富集过程。本项目前期研究发现Chitosan-GMA-IDA-Fe (III)纳米材料对于磷酸蛋白有高特异性的捕获能力。本项目以生物兼容性好的壳聚糖类纳米微球为富集手段,以方便快速的常压敞开式质谱为分析工具,来研究对磷酸多肽的选择性检测和鉴定。本项目期望通过DESI及reactive DESI分析模式的摸索,开发一种快速方便的磷酸多肽的富集检测方法,为理解蛋白磷酸化在重要的生化路径上起到的作用提供新线索。

中文关键词: 代谢组学;脂质组学;氧化三甲胺;神经甾体;

英文摘要: With the development of proteomics, more and more attention has been paid to the post-translation modification of proteins. Protein phosphorylation is one of the most important mechanisms to regulate cellular processes such as gene expression and membrane transport. Owing to its highly dynamic nature and low stoichiometry, an enrichment method is required for the MS analysis of protein phosphorylations, which decreases complexity of the samples and increases the detection sensitivity for low abundant phosphoproteins. Our previous data indicates that Chitosan-GMA-IDA-Fe (III), a novel multifunctional nanosphere, exhibits highly specific enrichment of phosphopeptides. With the introduction of a series ambient ionization methods, which allow samples to be directly ionized in the open environment and introduced into the mass spectrometer without the need for sample pretreatment, MS analysis becomes amenable to high-throughput analyses in ambient environment. In this project, by taking the advantages of Chitosan-GMA-IDA-Fe (III) and desorption electrospray ionization (DESI), an ambient ionization method, we plan to develop a rapid, simple and reliable analytical method for specific detection of phosphorylated protein and identification of phosphorylation sites.

英文关键词: metabolomics;lipidomics;TMAO;neurosteroids;

成为VIP会员查看完整内容
0

相关内容

「图分类研究」最新2022综述
专知会员服务
96+阅读 · 2022年2月13日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
19+阅读 · 2022年2月10日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
131+阅读 · 2021年9月20日
专知会员服务
41+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
142+阅读 · 2020年12月28日
专知会员服务
83+阅读 · 2020年12月5日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
24+阅读 · 2022年1月3日
Arxiv
46+阅读 · 2021年10月4日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Anomalous Instance Detection in Deep Learning: A Survey
小贴士
相关主题
相关VIP内容
「图分类研究」最新2022综述
专知会员服务
96+阅读 · 2022年2月13日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
19+阅读 · 2022年2月10日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
131+阅读 · 2021年9月20日
专知会员服务
41+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
142+阅读 · 2020年12月28日
专知会员服务
83+阅读 · 2020年12月5日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
23+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
微信扫码咨询专知VIP会员