蛋白质-多糖复合体系在活性物质传递中的应用

蛋白质-多糖复合体系作为生物活性物质传递系统的壁材,有着人工合成聚合物或无机物等其他材料不可比拟的多重优势。本文就蛋白质和多糖之间的连接方式及蛋白质-多糖复合体系形成传递系统的多种形式进行了综述,以及对此领域的发展趋势进行了展望。结合蛋白质和多糖的结构特点,二者之间的链接方式分为非共价结合的物理共聚,和共价结合的美拉德偶联、化学交联、酶催化交联等方式,文中分别对各种连接方式的原理和机理,以及其影响因素做了深入阐述。以蛋白质-多糖复合体系为壁材对活性物质的传递形式大体上分成乳化系统、胶束、纳米凝胶、分子复合物以及壳核结构等系统。不同的活性物质的特征和传递需求,可针对性地选择合适结构的蛋白质和多糖种类以及二者的连接方式和传递系统的形式。并且,随着研究的逐步发展和推进,此领域的发展趋势朝着智能化和靶向性的方向进行。目前活性物质的蛋白质-多糖复合体系的传递系统,还依然面临着系统设计、评价和应用等多方面的挑战,这就要求我们在更全面更深入了解认识其对活性物质影响和功效的基础上,安全合理地设计和深入细致地评价活性成分的传递系统。     

神经网络在ACE抑制肽QSAR中的应用研

通过对天然氨基酸的457种物化性质参数进行主成分分析后得到SVHEHS描述符,用该描述符分别对血管紧张素转化酶(ACE)抑制二肽、三肽、四肽进行表征,并建立了肽结构与活性的神经网络模型。ACE抑制二肽神经网络模型的相关系数、交叉验证相关系数、均方根误差和外部验证相关系数分别为0.946、0.951、0.249、0.852,三肽模型分别为0.973、0.945、0.135、0.813,四肽模型分别为0.915、0.879、0.250、0.814。由此表明SVHEHS描述符结合神经网络对ACE抑制肽的建模效果及模型预测能力均较理想,在此基础上进一步通过平均影响值(Mean impact value,MIV)法确定了显著影响各类肽活性的结构因素,从而为新的强活性ACE抑制肽的分子设计提供了理论基础。     

基于多元线性回归的血管紧张素转化酶抑制肽定量构效关系建模研究

利用氨基酸结构描述符SVHEHS分别对血管紧张素转化酶(Angiotensin I-converting Enzyme,ACE)竞争性抑制二肽、三肽、四肽序列表征后,建立结构与活性的多元线性回归(MLR)模型。ACE抑制二肽模型的相关系数、交叉验证相关系数、均方根误差、外部验证相关系数分别为0.851、0.781、0.327、0.792;三肽模型分别为0.805、0.717、0.339、0.817;四肽模型分别为0.792、0.553、0.393、0.630。研究表明,运用该描述符建立的ACE抑制肽MLR模型拟合、预测能力均较好,能较好解释ACE抑制肽的活性与结构间的关系。     

大麦醇溶蛋白负载白藜芦醇自组装纳米颗粒及其性质研究

采用液-液分散法自组装大麦醇溶蛋白纳米颗粒,重点考察了溶剂(异丙醇)浓度、大麦醇溶蛋白浓度、溶液p H值及离子强度等因素对自组装纳米颗粒粒径和Zeta电位的影响。结果表明:在选择溶剂(异丙醇)浓度为55%,蛋白质浓度为66 mg/m L,分散液p H值为7.0,离子强度为0时,自组装出粒径为(70.0±1.8)nm,Zeta电位9 m V的大麦醇溶蛋白纳米颗粒。在此基础上,进一步制备了白藜芦醇-大麦醇溶蛋白复合纳米颗粒,考察了芯材比对复合纳米颗粒粒径、包封率及载药率的影响,结果表明,当芯材比为1∶5时,自组装复合纳米颗粒的粒径为(135.3±2.5)nm,Zeta电位为(18.91±0.02)m V,包封率为90.4%,载药率为18.8%。扫描电子显微镜结果表明,大麦醇溶蛋白纳米颗粒以及白藜芦醇-大麦醇溶蛋白复合纳米颗粒均为表面光滑的球形颗粒;傅立叶变换红外光谱结果表明,复合纳米颗粒中白藜芦醇与大麦醇溶蛋白之间还存在较强的氢键与静电相互作用。     

基于NIRS技术的食用醋品牌溯源研究

以四种品牌152组食用醋样品为研究对象,采用漫反射与透射两种近红外光谱采集模式分别进行光谱数据采集,并以此建立了食用醋品牌溯源模型,重点考察光谱采集模式、光谱预处理方法等对溯源模型精度的影响。结果表明,选取114组样品为训练集,原始光谱数据经过多元散射校正、二阶求导预处理后,采用偏最小二乘判别分析法(PLS1-DA)建立的食用醋NIRS品牌溯源模型,对38组测试集样品进行预测,透射光谱模型的决定系数(R2)、校准均方根误差(root-mean-square error of calibration, RMSEC)、预测均方根误差(root-mean-square error of prediction, RMSEP)分别为0.92,0.113,0.127,正确识别率为76.32%;漫反射光谱模型R2,RMSEC,RMSEP分别为0.97,0.102,0.119,正确识别率为86.84%。由此说明,近红外光谱结合PLS1-DA可以用来建立食用醋品牌溯源模型,且漫反射光谱模型预测效果更好。     

高活性燕麦蛋白源ACE抑制肽的制备、纯化及结构鉴定

利用胰蛋白酶水解燕麦蛋白制备了高血管紧张素转化酶(Angiotensin I-Converting Enzyme, ACE)抑制活性的燕麦蛋白酶解物, 分别采用离子交换色谱、凝胶过滤色谱和反相高效液相色谱等分离手段从酶解物中分离出一种新的强活性ACE抑制肽, 其IC50值为77.3 μmol/L; 通过基质辅助激光解析电离飞行时间串联质谱对其进行结构鉴定, 其氨基酸序列为Glu-Gly-Gly-Tyr-Arg.     

ACE抑制三肽与ACE相互作用的分子机制

4种食源性三肽IRP(Ile-Arg-Pro),IKP(Ile-Lys-Pro),GRP(Gly-Arg-Pro),IRA(Ile-ArgAla)的ACE抑制活性已得到实验证实,但其与ACE的相互作用模式与分子机制尚不清楚,本研究采用柔性分子对接方法解决这一问题。分子对接结果表明:4种三肽与ACE有相似的作用模式,氢键、亲水、疏水、静电等作用力共同对三肽与ACE的结合存在贡献,但以氢键作用为主;ACE分子中Lys511,His513,Tyr520,Tyr523等氨基酸残基为其与肽结合的重要结合位点;ACE抑制三肽中氮端氨基和碳端羧基对其抑制活性影响显著,其中氮端氨基的作用更为重要。通过以上分子机理研究可为开发强活性ACE抑制肽提供理论指导。     

基于不同建模方法的ACE抑制肽QSAR比较研究

以自组建的血管紧张素转化酶(Angiotensin I-converting enzyme)抑制肽库为研究对象,采用氨基酸描述符SVHEHS(Scores vector of hydrophobic,electronic,hydrogen bonds and steric properties)对各肽样本进行结构表征后,进行自交叉协方差(Auto cross covariances,ACC)处理,并分别利用多元线性回归(Multiple linear regression,MLR)、偏最小二乘(Partial least square regression,PLS)、人工神经网络(Artificial neural networks,ANN)3种建模方法进行ACE抑制肽QSAR建模。结果显示,所得MLR、PLS与ANN模型的相关系数(Correlation coefficient,R2)分别为0.744、0.862、0.958,留一交叉验证相关系数(Leave-one-out cross-validated correlation coefficient,Q2LOO)分别为0.532、0.829、0.948,外部验证复相关系数(External validated correlation coefficient,Q2ext)分别为0.567、0.632、0.634。因此,SVHEHS结合上述3种建模方法均适用于ACE抑制肽的QSAR研究,其中ANN的建模效果最优。     

复合纳米颗粒中白藜芦醇-大麦醇溶蛋白相互作用研究

为阐明大麦醇溶蛋白包覆白藜芦醇形成纳米颗粒的分子机制,采用荧光光谱、紫外吸收光谱以及傅里叶红外光谱和差示扫描量热技术等研究了白藜芦醇与大麦醇溶蛋白分子间的相互作用。结果表明：白藜芦醇与大麦醇溶蛋白分子的相互作用,对其内源性荧光具有猝灭作用,结合差示扫描量热的结果,推测二者通过静态猝灭过程形成了新的复合物;计算出两者之间的结合常数与结合位点数分别为K_A(298 K)=2.21×105 L·mol-1,K_A(310 K)=1.53×104 L·mol-1和n_{298 K}=1.23,n_{310 K}=0.94;依据热力学参数和傅里叶红外光谱判断白藜芦醇与大麦醇溶蛋白之间的作用力为范德华力和氢键相互作用;根据Frster非辐射能量转移原理,计算出白藜芦醇与大麦醇溶蛋白的结合距离为3.25 nm,能量转移效率为0.227;同步荧光检测结果表明白藜芦醇结合大麦醇溶蛋白分子后对其构象产生了明显影响,且该影响是由色氨酸残基所处环境的疏水性变化所致。     

近红外光谱技术的乳粉品牌溯源研究

采用近红外光谱漫反射模式,结合简易分类技术(soft independent modeling of class analogy, SIMCA)对不同品牌乳粉进行了分类溯源研究。实验共采集了四种不同品牌乳粉,包括光明乳粉54组,荷兰乳粉43组,雀巢乳粉33组以及伊利乳粉8组共138组样品的近红外光谱,通过对预处理后的训练集全谱段数据变量进行主成分分析,得出前三个主成分的累积方差贡献率为99.07%。利用SIMCA类建模法建立的乳粉主成分回归模型对预测集乳粉进行分类,研究结果表明,光明乳粉、荷兰乳粉、雀巢乳粉的识别率分别为78%, 75%, 100%,拒绝率分别为100%, 87%, 88%。因此,近红外光谱结合SIMCA建立的模型具备较好的乳粉品牌溯源能力,为快速、准确鉴别乳粉品牌提供了新思路。