XiaoMi-AI文件搜索系统
World File Search System链长
探索酵母细胞膜脂适应与乙酸胁迫生理反应之间的相互作用
摘要 乙酸是木质纤维素预处理的副产物，是酵母发酵过程的强效抑制剂。较厚的酵母质膜 (PM) 预计会减缓未解离的乙酸向细胞中的被动扩散。分子动力学模拟表明，通过延长甘油磷脂 (GPL) 脂肪酰基链可以增加膜厚度。之前，我们成功改造了酿酒酵母以增加 GPL 脂肪酰基链长，但未能降低乙酸净吸收量。在这里，我们测试了改变二酰基甘油 (DAG) 的相对丰度是否会影响具有较长 GPL 酰基链的细胞 (DAG EN ) 中 PM 对乙酸的渗透性。为此，我们在 DAG EN 中表达了二酰基甘油激酶 α (DGKα)。由此产生的 DAG EN _Dgkα 菌株表现出恢复的 DAG 水平，在含有 13 g/L 乙酸的培养基中生长，并且积累的乙酸较少。乙酸应激和能量负担伴随着 DAG EN _Dgkα 细胞中葡萄糖摄取量的增加。与 DAG EN 相比，DAG EN _Dgkα 中几种膜脂的相对丰度因乙酸应激而发生变化。我们认为，增加能量供应和改变膜脂组成的能力可以弥补应激条件下 DAG EN _Dgkα 中高净乙酸摄取量的负面影响。
从温度控制的电喷雾电离和表面诱导的解离
摘要：在关键细胞过程（例如转录，复制和DNA修复）过程中，DNA三向连接（TWJ）结构瞬时形成。尽管具有重要意义，但TWJ的热力学（包括链长，碱基对组成和配体结合对TWJ稳定性和解离机制的影响）的了解很少。为了解决这些问题，我们将温度控制的纳米电喷雾离子化（TC-NESI）与循环离子迁移率质谱（CIM-MS）仪器连接起来，该仪器也配备了表面诱导的分离（SID）阶段。这种新型组合使我们能够研究三个TWJ复合物的结构中间体，并检查GC碱基对对其解离途径的影响。我们发现，两个TWJ特异性配体2,7-Trisnp和Trispob导致TWJ稳定，这分别揭示了熔化温度（T m）的升高13或26°C。为了洞悉气相中的构象变化，我们采用了IMS并进行了SID来分析TWJ及其配体的复合物。对IM到达分布的分析表明，TWJ的单步分离及其中间体对三个研究的TWJ复合物进行了分解。在配体结合后，需要3 V（2,7-Trisnp）和5 V（TrispoB）较高的SID能量才能诱导TWJ的50％解离，而在没有配体的情况下为38 V。我们的结果表明，利用TC-ESI与CIMS结合使用，SID和SID进行TWJ复合物的热力学表征和配体结合的研究。这些技术对于TWJ设计和开发作为药物靶标，适体和功能生物材料的结构单位至关重要。
通过化学修饰调整微生物糖脂生物表面活性剂的抗菌活性
sophorolipids，源自微生物（例如Starmerella bombicola）具有独特的表面活性和生物活性特性的微生物的糖脂生物表面活性剂，在化妆品，药品和生物修复中具有潜在的应用。但是，野生型Sophorolipids的结构可变性有限限制其特性和应用。为了解决这个问题，代谢工程工作已允许创建分子组合。在这项研究中，我们通过化学修饰的微生物产生的spolosides迈出了一步，这是由工程的S. bombicola生产的。合成了二十四个新的Sophoroside衍生物，包括在氮原子上具有不同烷基链长（乙基到八甲苯二烷基）及其相应的季铵盐的舍基胺。此外，将六个不同的微生物产生的糖脂生物表面活性剂氢化，以实现完全饱和的脂质尾巴。These derivatives, along with microbially produced glycolipids and three benchmark biosurfactants (di-rhamnolipids, alkyl polyglucosides, cocamidopropyl betaine), were assessed for antimicrobial activity against bacteria ( Bacillus subtilis, Staphylococcus aureus, Listeria monocytogenes, Escherichia coli,铜绿假单胞菌）和酵母（白色念珠菌）。的结果表明，微生物产生的糖脂，例如soperosides，酸性柔脂和酸性葡萄糖脂，表现出针对测试生物的选择性抗菌活性。相反，乳酸柔脂，舍罗胺和季铵盐表现出广泛的抗菌活性。n-辛基，N-二烷基和N-二十烷基衍生物的最低抑制浓度最低，范围为0.014至20.0 mg ml-1。这项研究证明了周到的生物技术的潜在协同作用，并针对精确量身定制的糖脂生物表面活性剂的化学有针对性的化学，以满足跨应用程序的特定需求。
致编辑的信
致编辑：这封信的目的是简要介绍疫苗中辅料作为速发型超敏反应 (IHR) 的潜在原因，特别关注目前用于预防冠状病毒病 (COVID-19) 的疫苗制剂中的辅料，该疾病由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 引起。疫苗的 IHR 通常由其制剂中所含的辅料引起。在某些情况下，之前对辅料的致敏是引起反应的原因，一项研究证实了对含明胶疫苗过敏的儿童的疫苗全身过敏反应与抗明胶 IgE 之间的关系 [1]。Sakaguchi 等人 [2] 报道了 4 名儿童因水痘疫苗中的明胶出现 IgE 介导的全身反应，其中 2 名儿童在接种疫苗后出现过敏反应，另外 2 名儿童出现全身性荨麻疹 [2]。辅料聚山梨醇酯 80 (PS80) 也与疫苗的 IHR 有关。在第三次接种含有 PS80 的四价人乳头瘤病毒疫苗 (Gardasil) 后，报告了一例过敏反应病例 [3]。聚山梨醇酯是聚乙二醇 (PEG) 衍生物，具体为 PEG 山梨醇 [4]。PEG 的分子式为 H(OCH2CH2)nOH（PubChem CID 174，https://pubchem. ncbi.nlm.nih.gov/compound/1_2-Ethanediol），由环氧乙烷聚合而成。所得聚合物的链长和分子量各不相同。除了聚山梨醇酯外，PEG 及其所有衍生物——包括 PEG 醚（月桂醇聚醚、鲸蜡醇聚醚、鲸蜡硬脂醇聚醚、油醇聚醚）、PEG 脂肪酸酯（PEG 月桂酸酯、二月桂酸酯、硬脂酸酯和二硬脂酸酯）、PEG 胺醚、PEG 蓖麻油、PEG-丙二醇共聚物（泊洛沙姆）和 PEG 大豆固醇——都是
水产养殖 - Aura Home-阿伯丁大学
需要新的策略来增强大西洋鲑鱼（Salmo Salar）饮食中植物成分的有效同化和生物转化，尤其是与必需的长链长链多不饱和脂肪酸（LC-PUFA）有关我们的研究研究了营养编程，并专门评估了使用三周的“刺激”与先前的研究相比，饮食“刺激”的最佳持续时间以及是否可以减少。鱼是一种实验性的“刺激”蔬菜饮食（V S，5％海洋餐[mm]/0％鱼油[FO]）或一个基于海洋的标准基于海洋的对照（M S，82％mm/4％FO），用于一个（V1）或两周（V2）或两周（V2和M）。然后将所有组均给予标准的基于海洋的公式，以在第一次喂养后16周结束时进行“中间”长大阶段，然后在所有鱼类的“挑战”阶段之前，当所有鱼都均基于蔬菜的饮食（V C，10％mm/0％FO）。与M相比，在“刺激”阶段结束时，来自V1和V2组的FID均显着较小，但是在试验结束时，总体生长，近端或脂肪酸组成的总体生长没有统计学差异。然而，与V2鱼相比，V1的肝脏性和内脏指数明显降低，并且在整个“ interediate”和“挑战”阶段中，V1鱼的性能提高了总体趋势。在“挑战”阶段，M鱼的DHA净收益比V1鱼的净收益更大，而V2是同一时期所有N -3 LC -PUFA的净消费者。与M相比，在两个实验组中，幽门闭经中的N -3 LC-PUFA生物合成基因都被下调，表明在V1或V2中可能对该途径进行转录后修饰，考虑到组之间DHA保留水平的差异。综上所述，结果表明，营养编程不是由一或两周的“刺激”发起的。但是，需要更多的研究来阐明增强V1鱼的性能的机制。
用于设计聚合物-蛋白质混合物的机器人平台上的机器学习
并且在经常变性和非生物环境中保持稳定性。[1–5] 其中一种策略已导致甲苯中酶的活性保持长达数小时，[6] 该策略根据蛋白质表面化学定制随机共聚物的组成。原则上，共聚物可以精确设计来稳定任何给定的蛋白质而不影响活性。然而，无论是通过合理设计还是筛选，识别此类共聚物都具有挑战性，因为组合设计空间很大（例如，单体化学、链长、结构）。[7] 因此，适合用途的 PPH 可以促进无数应用——生物燃料生产、[8] 塑料降解、[9,10] 药物合成 [11]——但它们的稳健设计策略仍然难以捉摸。在过去十年中，机器学习 (ML) 极大地加速了跨学科的材料发现，[12–14] 使得更有效地识别具有目标特性的材料成为可能。 [12,15–20] 尽管如此，机器学习指导的共聚物设计受到多种因素的限制，包括训练模型所需的高质量数据的可用性。[7,21–24] 大多数聚合物数据库主要以均聚物为主，[25] 而聚合物合成和表征的繁琐性质严重限制了可“内部”检查的系统数量。[26] 因此，一些共聚物设计工作依赖于计算机生成的数据。[20,27,28] 同时，最近的实验工作使用流动反应器或并行批量合成器来提供适度的数据（<500 个样本）。[17,29,30] 更可扩展的方法将大大扩展设计用于 PPH 和其他材料应用的共聚物的能力。在这里，我们使用主动机器学习来快速设计共聚物，以与葡萄糖氧化酶（GOx）、脂肪酶（Lip）和辣根过氧化物酶（HRP）形成热稳定 PPH（图 1）。为了高效获取数据，我们使用自动化耐氧自由基聚合进行共聚物合成 [31,32]，并开发了一种简便的热稳定性测定法来表征 PPH。借助此平台以及对每种酶进行五次“学习-设计-构建-测试”循环，我们成功识别出具有显著酶活性的 PPH；这些 PPH 通常优于通过系统筛选 500 多种独特共聚物而获得的 PPH。值得注意的是，我们证明了我们的策略（利用主动机器学习）可以适当地调整数据采集以适应