吉林大学电子科学与工程学院，吉林 长春 130012
具有刺激响应形变功能的微结构能够通过外界刺激信号获取能量，进而发生机械形变，在自动化技术、微小机器人技术、微流控芯片等领域具有巨大的前沿应用潜力。然而，现有的智能微结构的研制很大程度上依赖于智能材料及其成型技术，不仅受限于为数不多的材料体系，而且局限在单一的刺激响应形变。基于此，提出利用飞秒激光双光子增材制造技术在形状记忆薄膜上加工蛋白质微结构阵列的新方法，实现了微结构阵列尺寸和周期的双重响应形变。微结构阵列在热处理下被机械拉伸定性，实现了结构周期的调控，该过程可在热刺激下恢复；同时，牛血清白蛋白微结构可以在不同pH值的条件下表现为可逆的溶胀和收缩形变。智能材料与形状记忆基底相结合可以赋予微结构阵列更加复杂可控的双重响应形变。本文制备了微结构阵列和微透镜阵列，展示了双重响应下的结构变化和功能调谐，为智能化微结构阵列在微流控系统中的应用作出了有益的探索。
飞秒激光直写 微透镜 蛋白质 微纳加工 激光与光电子学进展
2024, 61(1): 0114010
1 湖南省兽药饲料监察所, 长沙 410006
2 湖南农业大学动物医学院, 长沙 410128湖南省兽药工程技术研究中心, 长沙 410128
3 湖南农业大学动物医学院, 长沙 410128
血管生成素 4(ANG4)是一种新型抗菌肽蛋白, 具有抗菌、抗炎、血管生成、调节机体免疫反应等多种生物学功能, 在机体先天免疫过程中发挥重要的作用。 ANG4在新生小鼠肠道的表达受到多种因素的调节, 如细菌信号和发育过程等。本试验选取细菌细胞壁表面分子的类似物壳寡糖( COS)作为诱导物, 探究其对小鼠肠道 ANG4表达和对肠道形态的影响。实时荧光定量聚合酶链式反应( qRT-PCR)和蛋白质免疫印迹( Western blot)分析表明, COS能增加小鼠肠道 ANG4 mRNA及 ANG4蛋白的表达；形态学观察结果显示, COS使小肠绒毛高度明显增加, 平均隐窝深度均有降低, V/C值增加, 表明 COS可通过诱导 ANG4等抗菌蛋白的表达, 或通过其杀菌和免疫调节作用而不同程度地提高小肠黏膜的完整性。研究结果为 COS以及 ANG4在仔猪肠道疾病防治的应用提供了理
抗菌蛋白 实时荧光定量 PCR 蛋白质免疫印迹 ANG4 ANG4 COS COS AMPs qRT-PCR Western blot
1 南昌大学食品科学与技术国家重点实验室, 江西 南昌 330047 江西福美泰生物技术有限公司, 江西 九江 332100
2 南昌大学食品科学与技术国家重点实验室, 江西 南昌 330047
3 南昌大学食品科学与技术国家重点实验室, 江西 南昌 330047江西师范大学国家淡水鱼加工技术研发专业中心和江西省淡水鱼高值化利用工程技术研究中心, 江西 南昌 330022
4 江西师范大学国家淡水鱼加工技术研发专业中心和江西省淡水鱼高值化利用工程技术研究中心, 江西 南昌 330022
蛋白质和糖是食品的重要组分。 在食品加工、 贮运过程中, 蛋白质分子中的氨基与还原糖的羰基很容易以共价键的形式相结合发生糖基化反应。 美拉德式糖基化反应包括早期、 中期和末期三个阶段。 糖基化反应使得蛋白质分子主链或侧链发生修饰, 改变蛋白质结构、 静电荷和疏水性等, 影响蛋白质主链和侧链基团的化学活性, 进而改变蛋白质的理化功能性质, 如改善乳化性、 起泡性、 凝胶性等功能性质, 提高抗氧化性等营养特性, 降低致敏性, 增强抑菌性和贮藏特性等, 在食品加工、 贮运过程中非常普遍且有着重要意义。 糖基化反应过程中引起的蛋白质结构变化是其营养、 功能特性改变的重要原因。 近年来, 化学测定(自由氨基含量、 表面疏水性测定等)、 光谱(紫外、 荧光、 傅里叶变换红外光谱等)、 色谱(圆二、 分子排阻色谱等)、 质谱［基质辅助激光解吸附离子化-飞行时间质谱(MALDI-TOF-MS)、 液相色谱-电喷雾串联质谱(LC-MS2)等］等多种技术手段被探索用于分析蛋白质糖基化反应过程中的结构变化规律, 在糖基化反应机制研究及糖基化反应程度、 产物营养功能性质调控等方面起了重要作用。 尤其是轨道离子阱质谱(LC-Orbitrap-MS2)、 傅里叶变换离子回旋共振质谱(LC-FTICR-MS2)、 氢氘交换-傅里叶变换离子回旋共振质谱(HDX-FTICR-MS2)等技术的出现和成熟应用让糖基化位点研究更加深入, 可以对各位点的糖分子连接数和糖基化取代程度进行定量分析, 使得揭示蛋白质糖基化反应机制变为可能。 对基于蛋白质糖基化反应程度、 一级、 二级、 三级结构和官能团结构的表征和检测方法进行综述, 旨在为蛋白质糖基化反应的深入研究和在食品加工中的应用提供参考。
食品 蛋白质 糖基化 结构 表征 检测方法 Food Protein Glycation Structure Characterization Detection methods 光谱学与光谱分析
2023, 43(9): 2667
1 华中科技大学分析测试中心, 湖北 武汉 430074
2 中国计量科学研究院前沿计量科学中心, 北京 100029
3 华中科技大学能源与动力工程学院, 湖北 武汉 430074
圆二色（CD）光谱是一种公认的用于测量蛋白质及其二级结构的生物物理技术, 不但被广泛用于测量蛋白质的二级结构, 而且可以检测二级及更高级结构的变化, 同时用于科学研究和蛋白质产品如生物制药的质量控制。 由于对CD光谱测量中的误差来源定量理解有限, 对光谱进行客观比较仍具有挑战性。 统计方法可用于比较, 但不提供处理系统性以及随机性误差的机制。 在任意两台仪器中进行的CD测量, 即使在可比较的条件下, 相同样品的光谱幅度（elipticity椭圆度, CD scale, 也称圆二色值）或波长也可能存在细微差异。 光源、 最终的光度输出和各个仪器之间入射光偏振的微小差异是导致圆二色值或波长产生差异的可能原因。 分析蛋白质CD光谱取决于原始CD数据的质量, CD解卷积分析强烈依赖于CD光谱中谱峰的圆二色值。 因此, 以一种α-螺旋为主导的蛋白质—细胞色素C为实验对象, 在对CD光谱仪进行校准的前提下, 对其浓度为0.05 mg·mL-1的水溶液进行圆二色光谱测定, 继而建立了0.05 mg·mL-1细胞色素C水溶液的CD光谱测量模型, 评估了其在波长222 nm谱峰圆二色值的不确定度。 圆二色值的不确定度来源主要有测量重复性、 校准溶液及蛋白溶液浓度的不确定度、 比色皿光程长的不确定度等。 经过仪器校准后, 综合考虑这些不确定来源, 得到0.05 mg·mL-1细胞色素C水溶液在波长为222 nm处谱峰的圆二色值及不确定度为(-4.53±0.54) mdeg, k=2。 通过不确定度评估, 发现在不确定分量中较为显着的为1 mm比色皿光程长不确定度和溶液配置过程引入的不确定度分量, 设法消除或降低这些因素的影响, 可以改进测量方法分析测量过程, 以实现CD光谱的客观比较, 提高CD谱图的可比性和可靠性, 为开展圆二色光谱测量的实验室间比对提供实验参考。
蛋白质 圆二色 光谱 二级结构 圆二色值 不确定度评估 细胞色素C 可比性 Protein Circular dichroism Spectroscopy Secondary structure Magnitude Uncertainty estimation Cytochrome C Comparability 光谱学与光谱分析
2023, 43(10): 3105
1 浙江科技学院生物与化学工程学院, 浙江 杭州 310023 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
2 浙江科技学院生物与化学工程学院, 浙江 杭州 310023
3 杭州方回春堂集团有限公司, 浙江 杭州 311500
4 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
微藻工厂化养殖为天然碳水化合物、 蛋白质等生产提供了重要途径, 但较高的养殖成本始终是限制微藻大规模商业化发展的瓶颈之一。 由于微藻生长速度很快且其胞内代谢信息时刻都在发生变化, 开发快速无损的微藻生长代谢监测手段用以实时获取微藻生产过程中感兴趣指标变化信息, 可以据此及时调整培养条件, 保障微藻高效优质生产。 关于微藻生长代谢信息快速无损检测的研究多集中在微藻油脂及其特性、 色素等方面, 对于同作为微藻重要营养成分的碳水化合物、 蛋白质等却少有报道。 本研究以斜生四链藻（Tetradesmus obliquus）为研究对象, 利用可见/近红外高光谱成像（HSI）技术结合化学计量学方法, 提出基于HSI的微藻碳水化合物和蛋白质反演判别方法。 对比研究标准化（autosacling）、 标准正态化（SNV）等12种预处理方法对原始高光谱数据的处理效果; 采用竞争自适应重加权采样算法（CARS）、 区间随机蛙跳算法（iRF）和模拟退火算法（SA）进行特征波段选择; 结合多元线性回归（MLR）、 偏最小二乘（PLS）、 支持向量机回归（SVR）以及随机森林回归（RFR）对微藻生物量、 碳水化合物和蛋白质含量进行反演判别。 结果表明, 斜生四链藻生物量预测模型采用矢量归一化（VN）预处理方式结合CARS-MLR算法效果最优, 决定系数（R2p）为 0.967, 剩余预测偏差（RPD）为6.212; 碳水化合物的最优预测模型为原始光谱（raw）结合iRF-RFR算法, R2p和RPD分别为0.995和36.156; 蛋白质判别模型采用WT预处理结合SA-RFR算法构建的效果最佳, R2p和RPD分别为0.909和10.116。 基于优化模型和HSI技术对藻液中各组分的空间分布及丰度进行了可视化展示。 研究结果有望为微藻工厂化养殖过程中生长信息的快速无损获取提供理论参考和技术支撑。
高光谱成像 化学计量学 斜生四链藻 碳水化合物 蛋白质 Hyperspectral imaging Chemometrics methods T. obliquus Carbohydrate Protein 光谱学与光谱分析
2023, 43(12): 3732
1 昆明理工大学信息工程与自动化学院，云南 昆明 650550
2 昆明理工大学生命科学与技术学院，云南 昆明 650550
针对蛋白质质谱数据检索研究中由于样本单一、数据不平衡导致传统的相似性匹配检索方法效率低且精度不高的问题，提出一种基于复杂的放回抽样（Flex-Bootstrap）和多次卷积神经网络（Multi-CNN）与深度神经网络（DNN）融合模型的检索方法，并与DNN模型、CNN与DNN融合模型相比较。Flex-Bootstrap方法结合Multi-CNN与DNN融合模型应用于蛋白质质谱数据种类预测时取得了较好的效果，其测试集的准确率提升至98.82%，损失函数值降低至0.0397。该模型不仅有效解决了使用DNN模型、CNN与DNN融合模型进行数据检索时存在的欠拟合问题，同时提高了预测的准确率以及质谱数据库的搜索效率。
医用光学 蛋白质种类 复杂的放回抽样 深度神经网络 卷积神经网络 质谱数据预测 激光与光电子学进展
2023, 60(16): 1617001
1 中国科学院上海高等研究院国家蛋白质科学研究（上海）设施，上海 201210
2 复旦大学上海医学院脑科学转化研究院，上海 200032
光镊采用聚焦的激光束束缚微米、纳米级的粒子，具有亚皮牛级的力分辨率和亚毫秒级的时间响应，在单分子生物物理中具有广泛的应用。通过化学耦链将生物大分子连接到高分子微球上，光镊可以测量大分子的伸长以及受力，进而研究DNA‐蛋白质相互作用、蛋白质折叠及分子马达机械化学性质等动态过程。简要介绍光镊的基本原理和常见的单分子光镊几何构型，并以双光镊为例，介绍如何设计和搭建光镊设备、所涉及的技术原理、稳定性与降噪处理方法以及分辨率测试方法。以国家蛋白质科学研究（上海）设施的双光镊实验装置为例，论述双光镊在单分子生物物理中的应用及进展。最后，对单分子光镊技术的发展前景作出展望。
生物光学 双光镊 单分子 蛋白质折叠 分子马达 光学力 中国激光
2023, 50(15): 1507402
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 农业农村部农产品及加工品质量监督检验测试中心(大庆), 黑龙江 大庆 163319
3 东北农业大学电气与信息学院, 黑龙江 哈尔滨 150030
为建立快速近红外光谱定量分析模型, 特征波长筛选是提高定量分析预测精度较为有效的方法之一。 它能够筛选出有效波长信息, 减少数据冗余、 提高数据有效性。 随机森林(RF)作为一种集成算法, 可根据计算特征重要性进行特征筛选。 RF将基于袋外数据(OOB)的平均精度下降(MDA)方法计算均方误差平均值作为特征重要性结果, 通过设置特征重要性阈值筛选特征变量构成特征波长子集, 但该阈值范围的设定无理论依据, 因此需要对特征重要性阈值范围进行探究。 另一方面, 由于RF的随机特性, 特征波长子集中可能包含无效甚至是干扰变量, 并不能保证所选变量的有效性。 故而进一步提出RF-iPLS波长筛选方法。 区间偏最小二乘法(iPLS)筛选出的特征波长多为连续特征波段的特性, 对特征波长子集划分区间, 弥补RF因自身随机性造成的无效变量问题； 同时, RF筛选的离散特征波长解决了iPLS筛选的连续波段中含冗余信息的问题。 为了说明RF-iPLS算法的合理性, 特征子集经过蒙特卡洛(MC)方法500次样本特征采样后, 构建RF-MC-iPLS算法。 虽然RF-iPLS与RF-MC-iPLS算法结构接近, 但运行时间缩短了11.12%, 结果说明RF-iPLS算法在预测模型中的特征波长筛选是有效的, 且具有较低的时间复杂度。 为了进一步验证改进的RF-iPLS算法的有效性, 应用一组公开谷物蛋白质近红外光谱数据, 建立PLSR模型, 并与全谱的PLSR模型以及基于不同波长筛选方法的PLSR模型进行比较。 实验结果表明, 相比于全谱的117个波长, RF-iPLS优选出12个特征波长, 建模集的RMSEC从2.61降到0.64, 预测精度提升了约75.5%, 预测集的RMSEP从2.63降到0.69, 预测精度提升了73.8%, 极大地提高了预测精度且预测结果最优, 说明RF-iPLS是一种有效的特征波长筛选方法, 可以简化近红外光谱定量分析模型的复杂度并实现高效降维。
波长筛选 特征重要性计算 谷物蛋白质含量 定量分析 Wavelength selection Feature importance calculation Grain protein content Quantitative analysis 光谱学与光谱分析
2023, 43(4): 1043
为了实现兰州百合关键营养物质蛋白质和多糖的快速无损检测, 在12 000~4 000 cm-1光谱范围内采集了59份兰州百合粉的近红外光谱(NIRS)。 首先运用SG、 Normalize、 SNV、 MSC、 Detrend、 OSC、 SG+1D、 SG+Normalize、 SG+SNV和SG+Detrend十种预处理方法对原始光谱数据进行处理, 确定蛋白质的最佳预处理方法为SG+Detrend、 多糖的最佳预处理方法为Detrend; 然后运用CARS、 SPA和PCA三种算法对预处理的光谱数据进行特征波长筛选, 确定蛋白质和多糖的最佳特征波长提取方法均为SPA算法; 最后采用PLSR法建立了兰州百合关键营养物质蛋白质和多糖含量的预测模型, 结果显示, 经过SG+Detrend_SPA处理所建立的蛋白质PLSR模型中, 预测集相关系数Rp为0.810 6, 预测集均方根误差RMSEP为1.195 3; 经过Detrend_SPA处理所建立的多糖PLSR模型中, 预测集相关系数Rp为0.810 9, 预测集均方根误差RMSEP为2.0946。 考虑到经典PLSR无损预测模型精度的限制, 在该研究中提出SOM-RBF神经网络无损预测模型。 首先利用SOM网络对数据样本进行聚类, 然后将得到的聚类类别数和聚类中心作为RBF网络的隐层节点个数和隐层节点数据中心, 以此来优化RBF的结构参数。 在建立的蛋白质SOM-RBF神经网络模型中, 预测集相关系数Rp为0.866 6, 预测集均方根误差RMSEP为1.038 5; 建立的多糖SOM-RBF神经网络模型中, 预测集相关系数Rp为0.868 1, 预测集均方根误差RMSEP为1.799 4。 比较PLSR和SOM-RBF两种模型对两种物质的预测结果, 确定了SOM-RBF神经网络模型为最优建模方法, 最终确定在蛋白质检测中, 最优模型为基于SG+Detrend_SPA_SOM-RBF建立的模型, 模型的预测集相关系数较PLSR高5.6%, 预测集均方根误差较PLSR低0.156 8; 在多糖检测中, 确定的最优模型为基于Detrend_SPA_SOM-RBF建立的模型, 模型的预测集相关系数较PLSR高5.72%, 预测集均方根误差较PLSR低0.295 2。 研究结果表明, 运用NIR和SOM-RBF技术可以实现对兰州百合关键营养物质蛋白质和多糖的快速无损检测, 为今后快速无损检测兰州百合营养物质提供理论依据。
兰州百合 蛋白质 多糖 近红外光谱 无损检测 SOM-RBF神经网络 Lanzhou lily Protein Polysaccharide Near infrared spectroscopy Nondestructive testing SOM-RBF neural network 光谱学与光谱分析
2022, 42(7): 2025
内蒙古农业大学计算机与信息工程学院, 内蒙古 呼和浩特 010000
牛奶中包含着很多人体需要的营养元素, 如脂肪、 蛋白质、 钙等; 对牛奶营养元素进行分析是牛奶安全检测关键的一部分。 高光谱技术可以有效地结合图像和光谱数据识别牛奶种营养元素。 为了实现对牛奶中蛋白质含量快速、 精确的预测, 采用竞争性自适应重加权(CARS)算法选取特征波长, 并提出一种基于麻雀搜索算法(SSA)优化支持向量机(SVM)实现对牛奶蛋白质含量预测。 利用高光谱仪获取牛奶反射光谱(400~1 000 nm)。 通过选取归一化(N)、 标准化(Standardization)和多元散射校正(MSC)对原始的牛奶数据进行光谱降噪处理提高光谱利用率; 利用竞争性自适应重加权算法和连续投影算法(SPA)对经过处理的牛奶光谱数据提取特征波长, 求取蛋白质和光谱间的相关系数并进行重要性排序, 获取重要的特征波段; 最后, 通过遗传算法(GA)优化SVM, 粒子群算法(PSO)优化SVM和偏最小二乘法(PLS)算法对牛奶蛋白质进行预测并比较预测结果, 为了提高蛋白质预测的精度和模型稳定性, 提出利用SSA对SVM的核函数g和惩罚参数c进行优化, 以均方根误差(RMSE)作为适应度函数, 通过迭代选择最优的回归参数训练模型。 牛奶数据预测结果表明最优组合模型为: MSC-CARS-SSA-SVM。 模型测试集的决定系数R2为0.999 6, 均方根误差RMSE为0.001 1, 耗时4.112 1 s。 结果表明: 使用CARS算法能实现特征波段的提取和冗余信息的剔除, 从而提高模型效率, 简化了算法的复杂度; SSA算法优化SVM的参数, 通过迭代更新麻雀最优位置, 可以快速得到全局最优解, 与SVM, GA-SVM, PSO-SVM和PLS相比, 牛奶蛋白质的预测准确度和模型稳定性都得到了明显提高, 满足了对乳品检测的精确度要求, 是快速检测牛奶蛋白质的一个可行新方法。 为光谱模型的优化及预测模型精度的提高提供参考。
高光谱 牛奶蛋白质 竞争性自适应重加权算法 支持向量机 麻雀算法 Hyperspectral Milk protein Competitive adaptive reweighted sampling Support vector machine The sparrow search algorithm 光谱学与光谱分析
2022, 42(5): 1601
