《五个烟草金属硫蛋白基因的新应用》

  • 来源专题:生物科技领域知识集成服务
  • 编译者: 陈方
  • 发布时间:2019-05-03
  • CN105505950B 五个烟草金属硫蛋白基因的新应用

    专利申请人:中国科学院华南植物园

    本发明公开了五个烟草金属硫蛋白NtMT1,NtMT2,NtMT3,NtMT4和NtMT5及其编码基因在改良植物对重金属镉的耐受性或富集性中的应用。该基因在工程菌酿酒酵母中表达可以提高酵母对镉的耐受能力,同时使酵母中镉的含量提高,表明五个烟草金属硫蛋白具有重金属镉解毒的能力;此外,表达五个烟草金属硫蛋白基因的酵母对氧化胁迫的耐受性提高。若将该基因在工程菌中进行转基因表达,一方面,可以改变工程菌对重金属镉耐受性,另一方面也可以提高转基因工程菌对重金属镉的积累,从而将该工程菌应用于环境污染中重金属镉的微生物修复工程。该基因具有应用于植物抗镉的遗传工程育种的潜力,通过调控该基因在植物中的表达,获取重金属镉超积累的转基因植物,用于重金属污染的植物修复工程。

  • 原文来源:;http://cprs.patentstar.com.cn/Search/Detail?ANE=9GBA4DBA3ACA8CAA4ADA8CGA9GDA9FAC9GAC8EDA9DIE9GIH
相关报告
  • 《小麦醇溶蛋白染色体位点结构与功能研究以及育种应用价值分析获进展》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:hujm
    • 发布时间:2018-06-15
    • 醇溶蛋白及其同源物广泛存在于禾本科植物种子中,是水稻、小麦、玉米等作物籽粒加工与营养品质的一个重要决定因素。在六倍体普通小麦,醇溶蛋白基因以多拷贝方式存在于六个复杂的染色体位点(Gli-A1, B1, D1, A2, B2 & D2),其积累量一般占籽粒总蛋白含量的40-50%,对面筋、面团的功能以及各类终用途品质(如面包加工品质)的优劣有重要影响。传统遗传学研究表明醇溶蛋白可能在平衡面团弹性和延展性中发挥作用,但利用转基因技术降低醇溶蛋白基因表达后,面团功能,尤其是弹性指标,反而会明显提高,表明小麦醇溶蛋白的含量与功能有进一步调控和优化的可能。 2006年以来,中国科学院遗传与发育生物学研究所王道文团队以冬小麦品种小偃81为材料,分别制备了六个醇溶蛋白染色体位点的缺失突变体,为解析其结构与功能奠定了基础。在该研究中,团队对位于6D染色体短臂的Gli-D2位点进行了分析。通过BAC克隆测序和拼接,获得了该位点的421 kb序列,注释出了10个a-醇溶蛋白的编码基因,其中7个结构完整并在发育籽粒中高水平表达。在物理结构和基因组成等方面,小偃81的Gli-D2与中国春小麦以及小麦D基因组供体粗山羊草中的直向同源位点间存在较大差别,表明Gli-D2在普通小麦及其近缘物种中存在丰富的遗传多样性。通过多年多点试验,发现小偃81和Gli-D2缺失系(DLGliD2)在株高、生育期以及籽粒产量等方面没有显着差别,但DLGliD2的面筋、面团、面包加工品质以及籽粒赖氨酸含量显着优于小偃81。转录组学和生化试验表明,DLGliD2籽粒中醇溶蛋白含量降低、谷蛋白和谷蛋白大聚体含量上升、蛋白质二硫键异构酶的表达与活性也明显升高,这是DLGliD2面包加工品质提升的重要原因。利用分子标记辅助选择将Gli-D2的缺失变异转入强筋小麦品种郑麦366,可进一步提高其面筋与面团功能指标以及面包加工品质。因此,该研究为解析栽培小麦Gli-D2位点的结构与功能提供了新信息,创制出了对改良小麦终用途和营养功能品质具有实用价值的新种质。综合该研究以及前人发表的结果,团队建议适当降低醇溶蛋白(或其同源蛋白)的含量是改进小麦以及其它禾本科作物籽粒品质的一个重要途径。 相关论文发表于The Plant Journal (DOI:10.1111/tpj.13956),博士生李达和靳怀冰为共同第一作者,研究员王道文和副研究员董玲丽为共同通讯作者,美国农业部西部区域研究中心博士霍纳新和顾永强也为研究的顺利完成作出了重要贡献。该研究主要由国家重点研发项目(2016YFD0100500)、国家基金委面上项目(31471483)以及中国科学院战略性先导专项项目(XDA08020302)资助。
  • 《深度学习助力蛋白的设计》

    • 来源专题:生物科技领域知识集成服务
    • 编译者:陈方
    • 发布时间:2020-09-11
    • 蛋白设计通常有两种方法:“定向进化”是指随机改变编码天然蛋白质的氨基酸构件的基因序列,筛选具有所需活性的变体;“合理设计”是根据蛋白质3D结构对其进行建模,以识别可能影响蛋白质功能的氨基酸。然而,定向进化只能触及庞大数量蛋白质序列中的一小部分,而合理设计则需要对蛋白质3D结构进行艰难的解析。 2019年10月21日Nature Methods报道,哈佛大学Wyss生物启发工程研究所和哈佛医学院的研究人员创建了第三种蛋白质设计方法,利用深度学习直接从氨基酸序列中预测蛋白质基本特征。研究结果显示,该方法准确地预测了天然和从头设计的蛋白质功能,将大量工作转移给计算机,与现有方法相比,可将成本降低两个数量级。 研究人员将这个神经网络方法命名为“统一表示”(unified representation,UniRep),在大约三周的时间内,研究者对UniRep进行了约2400万个蛋白质序列的训练,以关联蛋白质序列及其特性,包括蛋白质稳定性、二级结构以及蛋白质内部序列对周围溶剂的可及性等。结果UniRep准确地描述了来自不同的蛋白质家族的蛋白质的这些特征,包括那些已经被研究清晰解析的蛋白质,以及自然界中不存在的蛋白质。 该团队进一步将UniRep作为研究工具,预测单个氨基酸取代如何影响蛋白质功能。该神经网络以多种生物学功能(包括酶催化、DNA结合、分子传感)可靠地预测8种不同蛋白质中单个氨基酸突变影响。此外,研究者使用绿色荧光蛋白作为模型,利用UniRep分析了该蛋白的64,800个变异体,每个变异体带有1~12个突变,结果UniRep准确地预测了突变的分布及其对蛋白质亮度的影响。 研究者表示,这种基于深度学习的蛋白质工程计算方法具有加速合成蛋白质设计的潜力,该方法可以针对任何所需应用量身定制蛋白质功能,可用于治疗、诊断、生物制造、生物催化及其他应用。 吴晓燕 编译自https://phys.org/news/2019-10-proteins-language.html 原文链接:https://www.nature.com/articles/s41592-019-0598-1                                  原文标题:Unified rational protein engineering with sequence-based deep representation learning