安捷伦定制OLS文库助力2024年值得关注的七大技术-蛋白质从头设计

2024年1月22日，《自然》发布了2024年值得关注的七大技术——深度学习蛋白质从头设计、DeepFake检测、大片段DNA插入、脑机接口、 细胞图谱、超高分辨率显微成像、3D打印纳米材料。排在文中7大技术第一介绍的就是深度学习蛋白质从头设计以及在是AI蛋白质设计领域的全球顶尖科学家David Baker。在二十年前，西雅图华盛顿大学的David Baker和他的同事们完成了一项具有里程碑意义的壮举：他们利用计算工具从零开始设计出了一种全新的蛋白质。Top7 "按照预测折叠，但它是惰性的：它不执行任何有意义的生物功能。如今，从头开始的蛋白质设计已经发展成熟，成为一种实用工具，可用于生成按订单生产酶和其他蛋白质。
Bavid Baker 在1998年开发了Rosetta算法平台 ，用于蛋白质结构预测。后续研发的深度算法RoseTTAFold与备受关注的AlphaFold 2并驾齐驱，仅根据氨基酸序列即可快速准确地预测蛋白质结构，成为迄今为止最准确的蛋白质结构预测算法之一。David Baker 团队又在2022年研发了ProteinMPNN，代表着Rosetta 由基于物理的方法minimize energy生成序列开始转向了使用Deep learning的方法，被称作新一代的蛋白质设计引擎。
 

图 1 David Baker, PhD
 

而能够帮助蛋白质从软件和设计中走向现实的就是我们今天的主角--------定制寡核苷酸OLS文库。在David Baker的研究中我们看到了安捷伦SurePrint定制寡核苷酸文库（以下简称OLS文库）留下了浓墨重彩的一笔。David Baker 在2023年 春季发表在Nature communications上的文章《Improving de novo protein binder design with deep learning》正是使用了安捷伦定制OLS文库。
实验流程：
将设计好的蛋白质序列在c端添加一个(S)n连接子。利用DNAworks2.036对酿酒酵母的蛋白序列进行了反翻译和密码子优化。反向翻译后，将DNA adapter序列添加到N端和C端。 由安捷伦合成，以OLS文库形式交付。
文库经过PCR扩增，进行DNA 凝胶电泳进行QC后，通过Qiagen 胶回收试剂盒进行回收。 
将纯化回收后的DNA 插入到pETcon3 载体中并转化到EBY100酵母进行酵母展示实验。

安捷伦OLS文库介绍

专有SurePrint 寡核苷酸打印技术
安捷伦寡核苷酸文库采用独特的非接触式工业喷墨印刷工艺制造，该工艺可将ATGC寡核苷酸单体作为原料均匀地沉积到特殊制备的玻片上。这种原位合成工艺可根据数字序列文件逐碱基地打印寡核苷酸探针。先进的喷墨工艺可准确运送极小量的待喷点化学品。不同于传统的合成，安捷伦文库是直接合成的高度复杂的库，具有高水平的定制性。

长链寡核苷酸合成，适合更多应用
过去十年里，安捷伦在长寡核苷酸合成方面已成为技术先锋。传统的合成中， 一旦长度超过约50 个核苷酸，就会开始积累大量缺失。这时，产率变得过低，无法有效合成和纯化寡核苷酸。安捷伦的工艺支持30nt 到230nt 长链寡核苷酸。

高保真度
 

A、比较使用Agilent SurePrint 高保真(HiFi) 文库（绿色，98%）、Agilent SurePrint 标准文库 
（蓝色，92%）和竞争产品（橙色，78%）构建的相同文库中的序列完美构造子百分比。
B)、比较安 捷伦HiFi（绿色，1）、安捷伦标准产品（蓝色，4）和竞争产品（红色，12）生成相同文库时每 kb 的错误数。Agilent SurePrint文库的错误数不到竞争产品错误数的一半，因此可获得更清晰的结果，并缩短筛选时间。

热门产品

Reference：
1、https://www.nature.com/articles/d41586-024-00173-x
2、安捷伦5991-9313ZHCN
3、Bennett, N.R., Coventry, B., Goreshnik, I. et al. Improving de novo protein binder design with deep learning. Nat Commun 14, 2625 (2023). https://doi.org/10.1038/s41467-023-38328-5

上海优宁维生物科技股份有限公司

试剂 | 耗材 | 仪器 | 软件 | 定制 | 实验服务 | 供应链

免费热线：4008-168-068

咨询邮箱：info@univ-bio.com

订购商城：www.univ-bio.com

微信公众平台：优宁维抗体专家，欢迎关注！