Name: 分层和可编程单罐寡糖合成 (视频) | JoVE Journal
Uploaded: 2019-09-06T13:00:00.000+00:00
Duration: 9 min 56 s
Description: 了解如何使用Auto-CHO软件进行分层可编程单罐寡糖合成。该机器学习算法可预测相对反应性值，为构建块选择提供指导，并支持复杂糖链的片段组合合成，有助于癌症和感染性疾病的糖类治疗研究。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作由台湾“中央研究院”包括卓越计划、台湾科技部 [MOST 104-0210-01-09-02、MOST 105-0210-01-13-01、MOST 106-0210-01-15-02] 以及美国国家科学基金会（NSF 1664283）资助。

1. Auto-CHO 软件操作
<ol>
	<li>Java运行时环境安装：请确保设备上已安装Java运行时环境（JRE）。若JRE已安装，请进入下一步“软件初始化”；否则，请根据用户的操作系统从以下地址下载并安装JRE： &#60;https://www.oracle.com/technetwork/java/javase/downloads/index.html&#62;.</li>
	<li>软件初始化：访问 Auto-CHO 网站 &#60;https://sites.google.com/view/auto-cho/home&#62; 根据操作系统下载相应的软件。目前，Auto-CHO 支持 Windows、macOS 和 Ubuntu 系统。最新的 PDF 用户指南可在 Auto-CHO 官网获取。
	<ol>
		<li>对于 Windows 用户，解压缩该文件 Auto-CHO_Windows.zip 并双击 Auto-CHO.jar 在 Auto-CHO_Windows 文件夹以启动程序。 
		注意：用户需要安装解压缩软件，例如 7-Zip，可从以下网址获取 &#60;https://www.7-zip.org&#62;，用于解压 zip 文件。用户也可以使用 java -jar Auto-CHO.jar 通过 Windows 命令提示符启动程序的命令。</li>
		<li>对于 macOS 用户，右键单击 Auto-CHO.jar 并选择 打开 启动程序。</li>
		<li>对于使用 Ubuntu 的用户：
		<ol>
			<li>使用以下命令安装 libcanberra-gtk： 
			$ sudo apt-get install libcanberra-gtk*</li>
			<li>更改访问权限 Auto-CHO_Ubuntu.sh: 
			$ chmod 755 Auto-CHO_Ubuntu.sh</li>
			<li>运行 Auto-CHO 程序： 
			$ ./Auto-CHO_Ubuntu.sh</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>输入所需的聚糖结构。选择绘制聚糖结构或读取现有的结构文件。
	<ol>
		<li>通过绘图输入：
		<ol>
			<li>点击 使用 GlycanBuilder 编辑聚糖9,10 (图1，btn1； 图2A）或区域的面积 点击此处编辑合成目标 使用 GlycanBuilder 绘制并编辑查询结构。不应忽略连接和手性信息。点击 Globo-H, SSEA-4，或 OligoLacNAc 按钮（图1，示例）以显示示例。</li>
			<li>选择 文件 | 导出为序列格式 | 导出为 GlycoCT 简并格式 保存编辑后的结构（可选）。</li>
			<li>关闭 GlycanBuilder 对话框以完成编辑。</li>
		</ol>
		</li>
		<li>通过读取文件输入：
		<ol>
			<li>点击 使用 GlycanBuilder 编辑糖链 (图1，btn1； 图2A）或区域面积 点击此处编辑合成目标 调整查询结构。</li>
			<li>选择 文件 | 从序列格式导入 选择具有相应格式的查询结构文件。</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>搜索参数设置（可选）。
	<ol>
		<li>在“参数设置” 标签页 (图1，标签2）以获得合理的搜索结果。 
		注意： 
		高致病性RRV的阈值 必须为实数且≥0。 
		中型类别远程遥控车辆的阈值 必须为实数且≥0。 
		高品质RRV的阈值 应为 &#62;中型级别 RRV 的阈值. 
		最大片段数 应为整数且≥1。 
		片段中的最小 BBL 数量 必须为整数，且介于 1 和 3 之间。 
		片段中的最大 BBL 数量 必须为整数，且介于 1 和 3 之间。 
		片段中的最大 BBL 数量 必须 ≥片段中的最小 BBL 数量. 
		最小供体/受体 RRV 差值 必须是一个正实数。 
		最小供体/受体 RRV 比值 必须是一个正实数。 
		最大供体/受体 RRV 比值 必须是一个正实数。 
		最大供体/受体 RRV 比值 必须 &#62;最小供体/受体 RRV 比值.</li>
		<li>点击 好的 单击按钮以启用新设置。</li>
	</ol>
	</li>
	<li>选择构建模块库（图1，表5）。默认设置仅为搜索实验库。若需同时搜索实验库和虚拟库，请按以下步骤操作。
	<ol>
		<li>选择 虚拟构建模块库 标签图2C， 表5）。实验与虚拟构建模块可协同工作，以增强Auto-CHO的搜索能力。目前，Auto-CHO的数据库中已提供超过50,000个具有预测RRV值的虚拟构建模块。</li>
		<li>选择 使用实验库与虚拟库 并应用 过滤 显示符合特定条件的虚拟构件。单击 显示选定的虚拟 BBL 按钮（图2C，btn5）以仅显示所选的虚拟构建模块。</li>
		<li>点击 显示筛选后的虚拟 BBL 按钮（图2C，btn6）以仅显示用户定义特定条件的虚拟构建模块。</li>
		<li>点击 显示所有虚拟 BBL 按钮（图2C，btn7）以显示所有可用的虚拟构建模块并重置筛选器。</li>
		<li>选择一个或多个用户希望用于搜索的虚拟构建模块。</li>
	</ol>
	</li>
	<li>选择 查询结构 标签图 1，点击标签1（tab1）并单击 搜索构建模块库 按钮（图 1，btn2）以查找目标结构的单步合成方案，然后确认参数设置。</li>
	<li>在结果查看器中搜索。 
	注意：搜索结果将显示在 结果可视化 标签图1，表6）。不同残基数量的还原端受体显示于 减少末端受体 柱图1，viewer1）。
	<ol>
		<li>选择一个还原端受体，相应的溶液将显示在 合成溶液列表 (图1, viewer2）。片段显示在 片段列表 (图1，viewer3）以建议合成过程中应使用多少个片段。 
		注意：该系统提供每个片段的详细信息，包括片段的相对反应值（RRV）、计算产率，以及为在下一步一锅反应中使用该片段而需要脱除的保护基团。用于组装所选片段的构建单元在查看器4中显示。 图1. 第5位观看者 图1 还显示片段连接信息。</li>
		<li>查看并核对所选构筑单元在各区域中的化学结构及详细信息 构筑单元的化学结构 和 构建模块浏览器分别为实验构建模块（图1，表4）。</li>
	</ol>
	</li>
	<li>将搜索结果输出为文本（可选）。
	<ol>
		<li>选择 结果文本 标签图1，表7）。</li>
		<li>点击 保存结果文本 (图2B，btn4）并选择文本文件的保存位置。</li>
	</ol>
	</li>
	<li>虚拟构建模块的反馈（可选） 
	注意：可通过在线问卷对虚拟模块提供反馈。反馈有助于社区保留有用的虚拟模块，并移除无效的模块。
	<ol>
		<li>选择 虚拟构建模块 标签图1，表5）。</li>
		<li>点击 评分 希望对其评分或评论的虚拟模块的链接 反馈 柱</li>
		<li>系统打开网页后，请填写反馈表并提交。 
		注意：请勿更改虚拟 BBL ID。</li>
	</ol>
	</li>
</ol>
2. RRV 测定实验
<ol>
	<li>在10 mL圆底烧瓶中，加入两种硫代糖苷供体（每种0.02 mmol：Dr4 是已知RRV的参考供体；Dx1 是未知RRV的供体分子，加入绝对甲醇（0.10 mmol）和Drierite的二氯甲烷（DCM，1.0 mL）溶液，于室温（RT）下搅拌1小时。</li>
	<li>取该混合液的等分试样（30 µL），分三次进样（每次进样10 µL）至高效液相色谱（HPLC）中。测定吸收值之间的系数（a）A）以及供体分子的浓度[D] 在基线分离条件下（乙酸乙酯/n-己烷 = 20/80</li>
	<li>加入 0.5 M 溶液 N将碘代琥珀酰亚胺（NIS）的乙腈溶液（40 µL，0.02 mmol）加入反应混合物中，随后加入0.1 M三氟甲磺酸（TfOH）溶液（20 µL，0.002 mmol），于室温下搅拌反应混合物2小时。</li>
	<li>用二氯甲烷（4.0 mL）稀释反应混合物，过滤，并用含有10%碳酸氢钠的饱和水溶液硫代硫酸钠洗涤（每次5 mL，共2次）。用二氯甲烷（每次5 mL，共3次）萃取水相。合并所有有机相，用5 mL饱和食盐水洗涤，再用约200 mg无水硫酸镁干燥。</li>
	<li>轻轻振荡混合物30秒，通过带有褶皱滤纸的漏斗过滤，以除去硫酸镁，将滤液收集至25 mL圆底烧瓶中。使用旋转蒸发仪除去溶剂。</li>
	<li>将残留物溶于二氯甲烷（1.0 mL）。取该混合液等分试样（30 µL），分三次进样至高效液相色谱仪（每次进样10 µL）。测定剩余供体的浓度（[Dx] 和 [D参考文献]) 通过高效液相色谱（HPLC）在相同的分离条件下（乙酸乙酯/正己烷 = 20/80）进行（A参考文献)t = 24417.0, (Ax)t = 23546.3.</li>
	<li>测量 D 之间的相对反应活性x1 与 D 相比r4, kx1/kr4 = 0.0932。根据D的相对反应活性值r4，D的相对反应性值x1 是 3. 
	注意：a = A/[D]，（A参考文献)0 = 74530.1, (Ax)0 = 26143.0. kx/k参考文献 = (ln[Dx]t - ln[Dx]0)/(ln[D参考文献]t - ln[D参考文献]0) = (ln[Ax]t - ln[Ax]0)/(ln[A参考文献]t - ln[A参考文献]0) = 0.0932.</li>
</ol>
3. SSEA-4的一锅法糖基化反应
<ol>
	<li>将一个10 mL圆底烧瓶置于真空下，用火焰干燥，并在保持真空的条件下冷却至室温。取下橡胶隔垫，向烧瓶中加入二糖供体1（38 mg，1.1当量，0.057 mmol）、第一个受体2（40 mg，1.0当量，0.053 mmol）以及一个聚四氟乙烯涂层磁力搅拌子。</li>
	<li>将100 mg粉末状4 Å分子筛转移至一个5 mL圆底烧瓶中。将该烧瓶保持在真空下，用火焰干燥，并在保持真空的条件下冷却至室温。将新干燥的4 Å分子筛转移至含有起始物料的第一个烧瓶中。</li>
	<li>向烧瓶中加入1 mL新近干燥的二氯甲烷（DCM）。在室温下搅拌反应混合物1小时，然后将其冷却至-40 °C。将NIS（13 mg，1.1当量，0.057 mmol）转移至烧瓶中。</li>
	<li>在-40 °C条件下，使用微量注射器通过隔垫将TfOH（34 μL，0.3当量，0.017 mmol，乙醚中0.5 M溶液）注入烧瓶中。在-40 °C下继续搅拌3小时。</li>
	<li>当第一个受体2几乎消耗完全后，通过隔垫将受体3的二氯甲烷溶液注入烧瓶中。</li>
	<li>将反应混合物升温至-20 °C，并向烧瓶中加入NIS（19 mg，1.6当量，0.083 mmol）。在-20 °C条件下，通过隔垫注入TfOH（34 μL，0.3当量，0.017 mmol，乙醚中0.5 M溶液）。在-20 °C下继续搅拌3小时。</li>
	<li>当第一步反应的产物消耗完全后，加入两当量的三乙胺淬灭反应。通过填充硅藻土的滤漏斗除去分子筛，将滤液收集至一个25 mL圆底烧瓶中，并用10 mL二氯甲烷进一步洗涤滤渣。</li>
	<li>将滤液转移至分液漏斗中，用含10% NaHCO3的饱和硫代硫酸钠水溶液洗涤（每次10 mL，共洗两次）。用二氯甲烷萃取水相（每次10 mL，共萃取三次）。合并有机相，用饱和食盐水（10 mL）洗涤，并加入无水MgSO4干燥。过滤后，将滤液收集至一个100 mL圆底烧瓶中。</li>
	<li>使用旋转蒸发仪除去溶剂。将粗产物用约1 mL二氯甲烷溶解后，加载至硅胶柱上。用乙酸乙酯与甲苯的混合溶剂（EtOAc/甲苯，1/4至1/2）洗脱产物，并收集相应馏分。</li>
	<li>使用旋转蒸发仪除去溶剂。将残留物在减压下干燥，得到完全保护的SSEA-4衍生物4（74 mg，基于受体2计算产率为50%），为白色泡沫状固体。</li>
</ol>

<ol><li>Apweiler, R., Hermjakob, H., Sharon, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+frequency+of+protein+glycosylation%2C+as+deduced+from+analysis+of+the+SWISS-PROT+database%5BTitle%5D)+AND+%22Biochimica+Et+Biophysica+Acta%22%5BJournal%5D)">On the frequency of protein glycosylation, as deduced from analysis of the SWISS-PROT database.</a> Biochimica Et Biophysica Acta. 1473 (1), 4-8 (1999).</li>
<li>Sears, P., Wong, C. -H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Toward+Automated+Synthesis+of+Oligosaccharides+and+Glycoproteins%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Toward Automated Synthesis of Oligosaccharides and Glycoproteins.</a> Science. 291 (5512), 2344-2350 (2001).</li>
<li>Kulkarni, S. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%E2%80%9COne-Pot%E2%80%9D+Protection%2C+Glycosylation%2C+and+Protection-Glycosylation+Strategies+of+Carbohydrates%5BTitle%5D)+AND+%22Chemical+Reviews%22%5BJournal%5D)">“One-Pot” Protection, Glycosylation, and Protection-Glycosylation Strategies of Carbohydrates.</a> Chemical Reviews. 118 (17), 8025-8104 (2018).</li>
<li>Zhang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Programmable+One-Pot+Oligosaccharide+Synthesis%5BTitle%5D)+AND+%22Journal+of+the+American+Chemical+Society%22%5BJournal%5D)">Programmable One-Pot Oligosaccharide Synthesis.</a> Journal of the American Chemical Society. 121 (4), 734-753 (1999).</li>
<li>Cheng, C. -W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hierarchical+and+programmable+one-pot+synthesis+of+oligosaccharides%5BTitle%5D)+AND+%22Nature+Communications%22%5BJournal%5D)">Hierarchical and programmable one-pot synthesis of oligosaccharides.</a> Nature Communications. 9 (1), 5202(2018).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22ChemDraw%22">ChemDraw</a>. , PerkinElmer Informatics. (2019).</li>
<li>Cheeseman, J. R., Frisch, Æ <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCheeseman%2C+JR+%22Predicting+magnetic+properties+with+chemdraw+and+gaussian%22">Predicting magnetic properties with chemdraw and gaussian</a>. , (2000).</li>
<li>Yap, C. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PaDEL-descriptor%3A+An+open+source+software+to+calculate+molecular+descriptors+and+fingerprints%5BTitle%5D)+AND+%22Journal+of+Computational+Chemistry%22%5BJournal%5D)">PaDEL-descriptor: An open source software to calculate molecular descriptors and fingerprints.</a> Journal of Computational Chemistry. 32 (7), 1466-1474 (2011).</li>
<li>Ceroni, A., Dell, A., Haslam, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+GlycanBuilder%3A+a+fast%2C+intuitive+and+flexible+software+tool+for+building+and+displaying+glycan+structures%5BTitle%5D)+AND+%22Source+Code+for+Biology+and+Medicine%22%5BJournal%5D)">The GlycanBuilder: a fast, intuitive and flexible software tool for building and displaying glycan structures.</a> Source Code for Biology and Medicine. 2, 3(2007).</li>
<li>Damerell, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+GlycanBuilder+and+GlycoWorkbench+glycoinformatics+tools%3A+updates+and+new+developments%5BTitle%5D)+AND+%22Biological+Chemistry%22%5BJournal%5D)">The GlycanBuilder and GlycoWorkbench glycoinformatics tools: updates and new developments.</a> Biological Chemistry. 393 (11), 1357-1362 (2012).</li>
</ol>

作者无任何利益冲突需要披露。

Auto-CHO 软件旨在协助化学家进行寡糖的分步式、可编程一锅合成5。该软件使用 Java 编程语言开发，是一款支持 Windows、macOS 和 Ubuntu 的跨平台图形用户界面（GUI）软件。用户可从 Auto-CHO 官方网站 &#60;https://sites.google.com/view/auto-cho/home&#62; 免费下载该软件，其源代码依据 MIT 许可证发布，可在 GitHub 上获取，地址为 &#60;https://github.com/CW-Wayne/Auto-CHO&#62;。
Auto-CHO 的 BBL 文库包含 154 个实验性 BBL 以及超过 50,000 个具有准确预测 RRV 值的虚拟 BBL。目前，虚拟 BBL 中的糖类型包括 Gal、Glc、Man、GalNAc、GlcNAc、GlcN 和 GlcA。所有文库搜索均在本地计算机上处理，我们不会收集用户的任何查询结构。由于化学反应中存在多种结构限制或未知因素，Auto-CHO 无法保证程序提供的虚拟 BBL 能够成功实现高产...

碳水化合物在自然界中广泛存在1,2，但由于这类分子难以获取，其存在形式和作用机制仍属未知领域，主要原因在于获取此类分子存在困难3。与寡肽和寡核苷酸的自动化合成不同，寡糖的自动化合成发展仍面临巨大挑战，进展相对缓慢。
为解决这一问题，Wong 等人开发了首个用于寡糖合成的自动化方法，该方法采用一种名为 Optimer4 的可编程软件程序，指导从约 50 种 BBL 的库中选择 BBL，以进行连续的一锅法反应。每种 BBL 均经过设计和合成，其反应活性通过不同的保护基团进行精确调控。采用该方法，可在合成过程中最大限度地减少保护基操作和中间体纯化的复杂性，而这两者一直被认为是实现自动化合成最难克服的问题。尽管取得了这一进展，该方法仍存在较大局限性，因为 BBL 的数量过少，且 Optimer 程序仅能处理某些小型寡糖。对于需要更多 BBL、多次一锅法反应以及片段缩合的更复杂寡糖，研究人员已开发出该软件程序的升级版本 Auto-CHO5。
在 Auto-CHO 中，已加入超过 50,000 个对 BBL 文库具有明确反应性的 BBL，其中包括 154 个合成 BBL 和 50,000 个虚拟 BBL。这些 BBL 是基于基本性质、计算得到的核磁共振（NMR）化学位移6, 7以及分子描述符8，通过机器学习设计而成，这些因素影响 BBL 的结构与反应性。随着该升级版程序及新 BBL 集合的推出，合成能力得到扩展，如本文所示，若干目标寡糖可被快速制备。人们认为，这一新进展将有助于寡糖的合成，从而推动对其在多种生物过程中作用及其对糖蛋白和糖脂结构与功能影响的研究。此外，由于该方法可免费向科研界开放，本研究预计将显著惠及糖科学领域。本文展示了关键的人类胚胎干细胞标志物 SSEA-45 的合成过程。

<table><tbody><tr><td>乙腈</td><td>Sigma-Aldrich</td><td>75-05-8</td><td></td></tr><tr><td>无水硫酸镁</td><td>Sigma-Aldrich</td><td>7487-88-9</td><td></td></tr><tr><td>钼酸铵铈</td><td>TCI</td><td>C1794</td><td></td></tr><tr><td>二氯甲烷</td><td>Sigma-Aldrich</td><td>75-09-2</td><td></td></tr><tr><td>Drierite</td><td>Sigma-Aldrich</td><td>7778-18-9</td><td></td></tr><tr><td>乙酸乙酯</td><td>Sigma-Aldrich</td><td>141-78-6</td><td></td></tr><tr><td>甲醇</td><td>Sigma-Aldrich</td><td>67-56-1</td><td></td></tr><tr><td>4 型分子筛 &amp;Aring;</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>&lt;em&gt;n&lt;/em&gt;- 己烷</td><td>Sigma-Aldrich</td><td>110-54-3</td><td></td></tr><tr><td>&lt;em&gt;N&lt;/em&gt;-Iodosuccinimide</td><td>Sigma-Aldrich</td><td>516-12-1</td><td></td></tr><tr><td>碳酸氢钠</td><td>Sigma-Aldrich</td><td>144-55-8</td><td></td></tr><tr><td>硫代硫酸钠</td><td>Sigma-Aldrich</td><td>10102-17-7</td><td></td></tr><tr><td>甲苯</td><td>Sigma-Aldrich</td><td>108-88-3</td><td></td></tr><tr><td>三氟甲磺酸</td><td>Sigma-Aldrich</td><td>1493-13-6</td><td></td></tr></tbody></table>

一锅法合成寡糖的层级化与程序化策略

Hierarchical and Programmable One-Pot Oligosaccharide Synthesis

本文介绍了一种可编程的“一锅法”寡糖合成通用实验方案，并演示了如何使用 Auto-CHO 软件生成潜在的合成路径。该可编程“一锅法”寡糖合成方法旨在利用硫苷类构筑单元（BBLs）并结合精确的相对反应活性值（RRVs）顺序，实现大量寡糖的快速合成。Auto-CHO 是一款跨平台的图形化软件，可通过支持向量回归准确预测 RRVs，并在 BBL 库（包含约 150 个已验证的和 &#62;50,000 个虚拟 BBLs）中搜索，为可编程“一锅法”寡糖合成提供可能的合成方案。Auto-CHO 已经实现了分步“一锅法”合成的算法，能够将“一锅法”反应生成的片段作为新的 BBLs 进行后续利用。此外，Auto-CHO 允许用户对虚拟 BBLs 提供反馈，以保留有价值的构筑单元供后续使用。本文以阶段特异性胚胎抗原 4（SSEA-4）的“一锅法”合成为例进行演示，SSEA-4 是一种多能性人类胚胎干细胞标志物。

基于默认参数设置的 Auto-CHO 搜索结果表明，SSEA-4 可通过 [2 + 1 + 3] 一锅法反应合成。图3 展示了 SSEA-4 搜索结果的软件截图。当选择一个三糖还原端受体时（图3，标签 1），程序显示了该查询的四种潜在解决方案。第一种方案包含一个片段（图3，标签 2），其计算产率约为 94%。该片段可通过两个 BBL 反应构建（图3，标签 3）。第一个二糖 BBL 的 RRV 为 1462，第二个单糖的 RRV 为 32.0。图3 的标签 4 显示了在该一锅反应中建议使用的第一个 BBL 的化学结构。一锅反应实验表明，根据该建议可成功以 43% 的产率合成 SSEA-4（图4），此结果在先前的研究中也已...

本方案展示了如何使用Auto-CHO软件进行寡糖的分级和可编程一锅法合成。同时描述了RRV测定&#160;实验以及SSEA-4一锅法糖基化的一般操作流程。

本文介绍了一种可编程的“一锅法”寡糖合成通用实验方案，并演示了如何使用 Auto-CHO 软件进行……

我们展示了如何使用新开发的软件 Auto-CHO 进行分步式、可编程的一锅法寡糖合成。Auto-CHO 包含针对扩展砌块的算法，其相对反应活性值通过机器学习预测得出。该软件为砌块选择提供了有价值的指导，并通过片段组合方式，为复杂糖链的多步一锅法合成提供了分层式蓝图。该技术的应用前景涵盖基于碳水化合物的治疗药物在癌症或传染性疾病治疗中的应用。在使用 Auto-CHO 之前，请确保计算机或 Mac 系统中已安装 Java 运行环境。Auto-CHO 软件操作的可视化演示及相关反应性数值测定实验将有助于化学研究人员遵循实验方案，并快速开展实验。要执行 Java 运行环境的软件初始化，请访问 Auto-CHO 网站，并根据操作系统下载相应的软件。目前，Auto-CHO 支持 Windows、macOS 和 Ubuntu。最新的 PDF 用户指南可在 Auto-CHO 网站上获取。对于 Windows 用户，解压 Auto-CHO Windows.zip 文件，然后双击 Auto-CHO Windows 文件夹中的 Auto-CHO.jar 以启动程序。输入所需的聚糖结构。选择绘制聚糖结构或读取现有的结构文件。若通过绘图方式输入，请点击“通过GlycanBuilder编辑聚糖”，或点击“单击此处以编辑合成目标”区域，使用GlycanBuilder绘制并编辑查询结构。不应忽略连接性和手性信息。点击 Globo-H、SSEA-4 或 OligoLacNAc 按钮以显示示例。关闭 GlycanBuilder 对话框以完成编辑。在参数设置选项卡中定义搜索参数，以获得合理的搜索结果。单击确定按钮以启用新设置。默认设置为仅搜索实验库。如果需要同时搜索实验库和虚拟库，请选择虚拟构建模块库选项卡。勾选使用实验库和虚拟库，并应用筛选条件以显示符合特定标准的虚拟构建模块。实验构建模块和虚拟构建模块可协同工作，以增强Auto-CHO的搜索能力。目前，Auto-CHO 提供了超过 50,000 种虚拟构建模块，库中已包含预测的 RRV 值。请勾选用户希望用于搜索的一个或多个目标虚拟构建模块。点击“显示已选虚拟构建模块”按钮，仅显示所选的虚拟构建模块。单击“显示已筛选的虚拟构建模块”按钮，仅显示符合用户定义条件的虚拟构建模块。单击“显示所有虚拟构建模块”按钮，可显示所有可用的虚拟构建模块并重置筛选条件。选择查询结构选项卡，然后单击“搜索构建模块库”按钮，以查找该查询结构的一锅法合成解决方案。然后确认参数设置。在结果查看器中进行搜索。搜索结果将显示在结果可视化标签页中。不同残基数的还原端受体显示在还原端受体列中。接下来，选择一个还原端受体。合成溶液列表中将显示相应的溶液。片段列表中显示了片段，以提示在合成过程中应使用多少个片段。系统提供每个片段的详细信息，包括片段的相对反应值（RRV）、计算产率，以及在单锅反应中使用该片段时应脱除的保护基团。此外，还显示了用于组装所选片段的构建单元及片段连接信息。对于实验用构筑单元，请在构筑单元结构区域查看并核对所选构筑单元的化学结构，并在构筑单元浏览器中查看详细信息。在10毫升圆底烧瓶中，将两种硫代糖苷供体、无水甲醇和DCM中的Drierite混合，然后在室温下搅拌一小时。取30微升该混合物，将混合物分别进样三次至高效液相色谱中。在基线分离条件下测定供体分子的吸光度与浓度之间的系数。向反应混合物中加入0.5摩尔的N-碘代琥珀酰亚胺乙腈溶液，随后加入0.1摩尔的三氟甲磺酸溶液。在室温下搅拌混合物两小时。接着，用四毫升二氯甲烷稀释反应混合物。过滤反应液，并用含有10%碳酸氢钠的饱和水溶液硫代硫酸钠洗涤。用5毫升二氯甲烷分三次萃取水相。合并所有有机相，并用5毫升饱和食盐水洗涤。然后加入约200毫克无水硫酸镁干燥合并的有机相。轻轻振荡混合物30秒，然后通过带有褶皱滤纸的漏斗过滤，以去除硫酸镁。将滤液收集至25毫升圆底烧瓶中。使用旋转蒸发仪除去溶剂。将残留物溶于1毫升二氯甲烷（DCM）中。取30微升该混合液，分别进行三次进样至高效液相色谱仪。在相同的分离条件下，通过高效液相色谱法（HPLC）测定剩余供体的浓度。测定相对反应活性。根据DR4的相对反应活性值，DX1的相对反应活性值为三。基于默认参数设置的Auto-CHO搜索结果表明，SSEA-4可通过一个“二加一加三”一锅法反应合成。当选择一个三糖还原端受体时，程序会为该查询显示四种可能的解决方案。第一种解决方案包含一个片段，其计算产率约为94%。该片段可通过两个砌块合成。第一个二糖砌块的RRV为1462，第二个单糖的RRV为32.0。还展示了在一锅反应中使用的首个建议构建单元的化学结构。一锅法实验表明，按照该建议，SSEA-4 可以以 43% 的产率成功合成。SSEA-4 可通过 Auto-CHO 提出的三个单元进行合成。这些单元包括二糖砌块一、单糖砌块二和还原端受体三。在参数设置方面，我们建议初始时采用更严格的参数标准。在砌块库的选择上，我们建议首先仅搜索实验库。通过本演示，我们希望更多重要的聚糖（如肿瘤相关糖类抗原）能够通过一锅法合成，以用于进一步研究。按照此方法，可合成所有此类抗原，从而设计基于糖类的癌症疫苗。我们还希望人工智能与计算机算法能够推动聚糖合成的自动化，以促进疾病的治疗与预防。

hierarchical-and-programmable-one-pot-oligosaccharide-synthesis

Research

科研

JoVE Journal

Chemistry

化学

分层和可编程单罐寡糖合成

本文介绍了一种高通量方法，用于合成寡糖并将其连接到聚酸酐纳米颗粒表面，以进一步用于靶向抗原呈递细胞上的特定受体。...

高通量合成碳水化合物及聚酸酐纳米颗粒的功能化

我们提出一种自动化、模块化的高通量方法，用于小规模微生物胞外多糖的鉴定与表征。该方法结合快速初筛以分析分泌多糖的总量，以及详细的碳水化合物指纹图谱分析，从而实现对新分离细菌菌株或完整菌株库的快速筛选。...

自动化模块化高通量胞外多糖筛选平台结合高灵敏度碳水化合物指纹图谱分析

海藻糖类似物正逐渐成为生物（技术）学和生物医学应用中的重要分子。本文介绍了一种优化的酶法合成与纯化海藻糖类似物的实验方案，该方法简便、高效、快速且环境友好。文中展示了该方法在快速制备和使用一种用于检测分枝杆菌的探针中的应用。...

一步快速酶法合成及全水相纯化海藻糖类似物

用于芯片开发与HIV抗体谱型分析的N-聚糖化学-酶法合成

本文详细介绍了在C2'位点修饰的十二聚体RNA的固相合成、纯化及表征方法O-位置。采用紫外-可见吸收光谱和圆二色光谱分析来定量并表征结构特征，...

含2'-O-苯硫甲基修饰的RNA寡聚物的固相合成方案及圆二色性表征

2-叠氮-1-硝酸酯可通过一锅法转化为相应的2-叠氮-1-三氯乙酰亚胺酯。本文旨在展示微波反应器在碳水化合物合成中的应用价值。...

一锅法微波辅助将异头位硝酸酯转化为三氯乙酰亚胺酯

在此，我们介绍了通过区域选择性 O核糖核苷的糖基化 通过...

区域选择性O-糖基化核苷via硼酸酯对2',3'-二醇的临时保护合成双糖核苷

本文介绍了一种合成信息编码的肽模拟寡聚物的方案，并利用胺类和醛类作为动态共价反应对，以及路易斯酸性稀土金属三氟甲磺酸盐作为多功能试剂，指导这些肽模拟物进行序列定向的自组装，形成分子梯状结构。...

信息承载型肽模拟物的合成及其序列导向的动态共价自组装

本实验方案旨在提供一份详细的分步指南，用于基于Golden...

使用模块化Golden Gate克隆技术快速组装多基因结构

故意设计的金属有机框架材料的合成、活化与表征具有挑战性，特别是当构筑单元不相容或热力学上不利于目标物相而有利于非期望多晶型时。本文描述了溶剂辅助配体交换、毛细管粉末X射线衍射及活化方法的应用 通过 超临界CO₂2...

功能化金属有机框架的合成与表征

了解如何使用Auto-CHO软件进行分层可编程单罐寡糖合成。该机器学习算法可预测相对反应性值，为构建块选择提供指导，并支持复杂糖链的片段组合合成，有助于癌症和感染性疾病的糖类治疗研究。

一锅法合成寡糖的层级化与程序化策略

探索更多视频