蛋白分析FAQ汇总
-
O糖基化是一种糖基转移反应,它在生物学中扮演着重要的角色,特别是在植物中。为了研究和分析O糖基化,研究者们已经开发了一些数据库来收集、整理和分享相关的数据。以下是一些关于植物O糖基化的数据库: 1.PlantCAZyme: 这是一个关于植物多糖酶和糖转移酶的数据库,它提供了与植物糖修饰相
-
要测量细胞内胱氨酸的含量,可以使用以下方法: 1. 高效液相色谱法 (HPLC) 样品准备:首先,需要从细胞中提取胱氨酸。这通常涉及使用冷冻粉碎和酸性或碱性水解来破坏细胞并释放胱氨酸。 衍生化:为了提高胱氨酸的检测灵敏度,可以对其进行衍生化处理,例如使用 o-phthaldialdehy
-
蛋白翻译后修饰(Post-translational modification, PTM)是指蛋白质在翻译后发生的化学修饰,这些修饰对于蛋白质的功能、定位、稳定性等都有重要的调控作用。以下是检测蛋白翻译后修饰的一些常用方法: 1.质谱分析 (Mass Spectrometry, MS):
-
• deae柱后,在一个梯度洗脱有两个峰,但两个峰连在一起,且吸光度值都大于0.5,请问可以一起收集吗
如果过DEAE柱后一个梯度洗脱中有两个峰,而且两个峰连在一起,这可能意味着: 1.两种或两种以上的蛋白质或其他物质在这个洗脱条件下有相近的亲和力,导致它们在相近的时间点被洗脱。 2.柱的分辨率可能不足,导致两个不同的组分无法完全分离。 吸光度值大于0.5意味着洗脱的物质浓度较高,但是光
-
• 想做蛋白质相互作用网络图,在STRING数据库里找不到蓝莓这个物种,请问有其他方式做网络互作图吗?
当特定物种(如蓝莓)在已知数据库中缺少相互作用数据时,我们可以通过基于同源性的预测、使用其他数据库、文献挖掘、实验验证和计算预测方法来构建蛋白质相互作用网络图。
-
• 数据经过CDNN处理后二级结构的比例之和大于1,是什么原因,要怎么处理呢
探讨了使用Cluster-based Discriminative Neural Networks (CDNN) 处理数据后二级结构比例之和超过1的可能原因和相应的解决策略。
-
文章介绍了溶剂标定量和基质标定量的概念、应用、优点和缺点。其中,溶剂标定法在不含待测物质的溶剂中加入标准溶液进行校准,而基质标定法则在含有待测物质的样品基质中加入标准溶液进行校准。
-
融合蛋白结构预测是一种挑战性的任务。由于单个蛋白质的三维结构是其功能的一个重要决定因素,因此对融合蛋白,预测其结构对于理解其功能有着重要的影响。 近年来,有一些比较经典和出色的方法被提出解决融合蛋白结构预测的问题。以下是一些主流的方法: 模板匹配法(Template-based mode
-
等离子点(pI)是一种用于表征蛋白质的重要参数,它主要表示以下几个方面的特性: 电荷状态:蛋白质分子包含许多可以发生离子化的官能团,比如氨基酸的羧基和氨基,这些官能团的离子化状态直接影响到蛋白质的总电荷。等离子点就是蛋白质分子上,带正电和带负电的官能团数量完全相等,使得蛋白质总电荷为零的
-
血清(Serum)是一个复杂的生物样品,其含有数千种蛋白质、代谢物和其他生物分子。使用质谱分析血清样品确实面临一些挑战: 高丰度蛋白的干扰:血清中有几种高丰度蛋白,如白蛋白和免疫球蛋白,它们可能掩盖了低丰度蛋白的检测。很多研究感兴趣的生物标志物通常是低丰度的,因此,高丰度蛋白的存在对于定
How to order?

