桔绿木霉产木聚糖酶固体发酵条件研究

对桔绿木霉(Trichoderma citrinoviride)XE-13产木聚糖酶发酵条件进行优化.采用单因素法,研究固体发酵条件下最适培养基组成、料水比以及培养温度、培养基初始p H、培养时间、接种量等条件对产酶的影响.确定培养基组成为:碳源(m(麸皮)∶m(玉米芯)=4 g∶6 g);氮源(NH_4)_2SO_4;碳∶氮=(m(C)∶m(N)=1 g∶0.05 g);料∶水=1 g∶1.5 mL.最适合的培养条件为:培养温度30℃、培养基初始pH值6.0、培养时间72 h、接种量1.0×10~7个/mL孢子悬液/培养基干料=0.3 mL/10 g.在此条件下,木聚糖酶活力可达391.5 U/g.     

全基因组预测樟疫霉的候选效应分子

为了更好地研究樟疫霉的致病机制及防治方法,笔者基于病原菌效应分子具有的典型特征,利用Signal P、Prot Comp、TMHMM、big-PI Fungal Predictor和Target P等生物信息学预测程序对樟疫霉中328 457条蛋白质序列进行候选效应分子找寻,发现该菌含有3 439个小分子分泌蛋白,同时,对上述蛋白进行冗余性、半胱氨酸数量以及信号肽长度等性质进行分析。结果表明:上述分泌蛋白中存在较多的冗余性蛋白,所占比例为50%以上,并以含有1~10个半胱氨酸、17~26个氨基酸信号肽的分泌蛋白居多。另外,利用卵菌中效应分子所具有的保守基序RXLR,对拥有唯一氨基酸序列的1 549个分泌蛋白进行基序找寻,明确樟疫霉中存在160个候选效应分子。通过上述生物信息学分析方法可实现樟疫霉候选效应分子的预测。     

基于全基因组序列的尖孢镰刀菌分泌蛋白预测及其特征分析

尖孢镰刀菌是一种以土壤习居为主要特征的植物病原菌,广泛分布于世界各地,且寄主广泛,能引起豆科、茄科、葫芦科等科100多种植物根腐、茎腐、茎基腐等病害,严重时造成植株萎蔫死亡,严重影响着植物的产量和品质.同时,目前生产上对于该菌的防治多使用甲霜灵·锰锌、多菌灵、百菌清等化学药剂,然而,防治效果不佳,急需开发针对该菌新的作用靶标的药剂.前人已经明确植物病原真菌分泌蛋白在侵染、操控植物等过程中发挥着重要功能,然而,学术界尚未见有关该菌中分泌蛋白的报道.本研究以尖孢镰刀菌菌株(Fusarium oxysporumf.sp.lycopersici 4287)的蛋白序列为基础数据,以分泌蛋白所具有的N-端含有信号肽、不含有跨膜结构域、没有GPI锚定位点、将蛋白分泌在胞外4大特征为依据,利用生物信息学在线分析程序明确该菌中含有778个分泌蛋白,并对上述蛋白开展特征分析,明确上述蛋白的氨基酸长度主要集中在101～400aa、氨基酸组成中以G,T,S,A较多,信号肽长度主要集中在16～21aa、信号肽氨基酸组成中以P,S,A,T,G较多,信号肽切割位点为T-X-T类型.为今后进一步开展尖孢镰刀菌的分泌蛋白功能解析和开发新型药剂靶标提供了重要的理论基础.     

基于全基因组测序的禾谷炭疽菌中碳水化合物酶类蛋白预测

禾谷炭疽菌侵染玉米、小麦等农作物引起的炭疽病,给各国农业生产造成了巨大经济损失.基于前期研究结果,以630个分泌蛋白为基础序列,利用CAT预测程序,对上述蛋白进行碳水化合物酶类蛋白(CAZymes)的找寻,明确该菌中CAZymes含有267个,分为主要类别和复合类别两大类,前者包括89个GHs、53个CBMs以及41个AAs、28个CEs、11个PLs、2个GTs;后者则包括30个GHs/CBMs、10个AAs/CBMs、1个CEs/CBMs等.该研究为深入开展该病菌侵染植物的作用机制提供重要的理论基础.     

基于全基因组序列的核桃细菌性黑斑病菌分泌蛋白的预测及特征分析

【目的】充分了解核桃黑斑病菌的侵染机制。【方法】以全基因组序列已经公布的7个核桃细菌性黑斑病菌菌株CFBP2528、CFBP7179、CFBP8253、DW3F3、J303、NCPPB1447、Xaj417等所具有的蛋白序列为预测数据,基于分泌蛋白所具有的主要特征,利用SignalP v4.1、ProtCompB v9.0、TMHMM v2.0、big-PI Fungal predictor、TargetP v1.1、LipoP v1.0等在线分析程序对分泌蛋白进行预测,同时分析其氨基酸组成及分布、信号肽长度、信号肽切割位点等特征。【结果】核桃细菌性黑斑病菌的分泌蛋白平均为74个,其氨基酸长度多集中于101～400氨基酸,所占比例为63.65%。信号肽氨基酸残基中以A最多,所占比例为22.04%; 其次是L,所占比例为19.27%。信号肽长度以19～29个氨基酸的最多,所占比例为79.62%,信号肽切割位点属于A-X-A类型。【结论】核桃细菌性黑斑病菌中分泌蛋白的有效预测,可为深入解析核桃细菌性黑斑病菌中分泌蛋白在侵染过程中所发挥的功能提供理论依据。     

菜豆根瘤菌CFN42全基因组非经典分泌蛋白的预测与分析

为了深入了解生物固氮的分子机理,利用SecretomeP2.0和SignalP4.1对菜豆根瘤菌CFN42全基因组进行预测,结果发现,在5963个蛋白质中,非经典分泌蛋白596个,约占总数的10%,主要涉及底物转运,毒力侵染,物质代谢等方面。在有功能描述的215个分泌蛋白中,识别了I、III、IV型分泌系统,这些蛋白质在侵染和根瘤发育方面发挥了重要作用;在381个假定蛋白中,通过结构域分析,发现了Tad、Cupin、OmPA和CsbD结构域,含有这些结构域的非经典分泌蛋白可能参与了根瘤菌的宿主专一性。在豆科植物-根瘤菌固氮体系中,非经典分泌蛋白发挥了重要作用。     

基于支持向量机的癌细胞经典分泌蛋白与非经典分泌蛋白识别研究

基于支持向量机算法,本文提出了一种能快速准确区分癌细胞经典分泌蛋白与非经典分泌蛋白的方法.通过严格的特征筛选,氨基酸组成、位置特异性得分矩阵和信号肽组成了最优特征集.测试集检测结果表明,本方法对癌细胞经典分泌蛋白与非经典分泌蛋白具有较强的区分能力,可为寻找到不同种类癌症间通用的生物标志物提供理论参考.     

绿色木霉EU2-77纤维素酶对园艺废弃物的酶解特性分析

以溶剂萃取法对园艺废弃物进行预处理,利用本实验室自筛绿色木霉(Trichoderma viride)EU2-77产生的纤维素酶对预处理前后的园艺废弃物进行酶解.结果表明,经过预处理的园艺废弃物的酶解产物总还原糖收率为未预处理的22.55倍.绿色木霉EU2-77纤维素酶分别与商业菌株里氏木霉(T.reesei)RUT C30纤维素酶和商业酶进行酶解性能比较,得出该酶酶解总还原糖收率(316.4 mg/g)高于商业菌株里氏木霉RUT C30纤维素酶(232.4 mg/g)和商业酶Celluclast1.5L(239.6 mg/g);而与商业酶Celluclast 1.5L+Novozym188混合液酶解能力(331.6 mg/g)以及Celic Ctec酶解能力(303.2 mg/g)相差不大.绿色木霉EU2-77产生的纤维素酶可望在园艺废弃物的回收利用方面得到推广应用.     

绿木霉ZY-01中纤维素酶EGⅣ基因的克隆及其在E.coli中的原核表达

以前期筛选到的纤维素酶高产菌株绿木霉T.viride ZY-01的总RNA为模板,利用RT-PCR技术克隆出内切葡聚糖酶EGⅣ基因,连接至pET-28a构建出重组质粒,并转化至E.coli BL21(DE3)中表达。该EGⅣ基因约有1089bp,在启动子T7lac的控制和IPTG的诱导下,目的基因成功地在原核细胞中表达。通过SDSPAGE检测得出目标蛋白分子量为39kDa,重组酶的比酶活为1.05U/mg,该酶最适pH值为6、最适反应温度为50℃。     

禾谷炭疽菌碳水化合物酶类蛋白注释及其理化性质分析

禾谷炭疽菌侵染玉米、小麦等农作物引起的炭疽病,给各国农业生产造成了巨大的经济损失.基于前期研究结果,以267个碳水化合物酶类蛋白(CAZymes)序列为基础,对其进行理化性质分析,结果表明,近2/3的蛋白理论等电点小于6,属于酸性蛋白,同时,通过随机数软件对上述蛋白进行10%抽样分析,明确了不同理论等电点类别的分泌蛋白所具有的分子质量、分子式、原子数量、半衰期、不稳定性系数、脂肪族氨基酸指数、总平均亲水性等性质.该研究为深入解析禾谷炭疽菌CAZymes蛋白的功能奠定了坚实的理论基础.     

基于SIMULINK/DSP的线性预测法仿真与研究

提出了递推型式的线性预测法,并据此建立了系统基于SIMULINK中DSP模块动态仿真模型。仿真结果表明:该算法具有良好的收敛性以及较低的误码率。     

枯草芽孢杆菌XF-1的碳水化合物活性酶类(CAZymes)蛋白预测与遗传关系分析

枯草芽孢杆菌XF-1对多种植物病原菌具有较好的抑制作用,是农业生产上非常重要的生防菌之一.碳水化合物活性酶类蛋白(CAZymes)作为植物病原真菌、细菌中重要的蛋白,在其生长和发育过程中发挥着重要作用.基于前期获得的枯草芽孢杆菌XF-1中104个分泌蛋白基本序列信息,利用CAT预测程序对该菌中的CAZymes蛋白进行预测分析,明确其含有CAZymes蛋白的数量是58个,上述蛋白可以分为主要类别和复合类别两大类,前者包括26个GHs、21个CBMs以及2个CEs、3个PLs、2个GTs;后者则包括4个复合蛋白类型GH/CBM.该研究有效地实现了枯草芽孢杆菌XF-1中CAZymes的预测,为进一步开展其功能研究打下坚实的理论基础.     

一种基于关联图的蛋白质结构预测改进算法

采用一种改进的COMAR （Contact Map Reconstruction）算法求解基于关联图的蛋白质结构预测问题.根据蛋白质关联图和先验知识,并以半随机的方式生成距离信息,根据距离信息得到蛋白质的坐标,并通过坐标修正和摄动,使得重构结构的关联图与给定的关联图相一致.结果表明,阈值较大的关联图所重建的结构较好,与原COMAR算法相比,在相同的迭代次数下,改进的COMAR算法的精度较高.