Name: 階層的でプログラム可能なワンポットオリゴ糖合成 (動画) | JoVE Journal
Uploaded: 2019-09-06T13:00:00.000+00:00
Duration: 9 min 56 s
Description: 学ぼう、Auto-CHOソフトウェアを用いた階層的ワンポットオリゴ糖合成法。機械学習による相対反応性値の予測とビルディングブロック選択のガイドラインにより、複雑なグリカンの効率的な合成が可能となり、がんや感染症治療への応用が期待されます。

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

この研究は、サミットプログラム、科学技術省[MOST 104-0210-01-09-02、MOST 105-0210-01-13-01、MOST 106-0210-01-15-02]、およびNSF(1664283)を含むアカデミア・シニカによって支援されました。

1. 自動チョーソフトウェア操作
<ol><li>Java ランタイム環境のインストール: Java ランタイム環境 (JRE) がデバイスにインストールされていることを確認します。JRE がインストールされている場合は、次のステップである「ソフトウェア初期化」に進みます。それ以外の場合は、次の場所にあるユーザーのオペレーティング システムに従って JRE をダウンロードしてインストールしてください。</li>
	<li>ソフトウェアの初期化: <https://sites.google.com/view/auto-cho/home> の自動チョーのウェブサイトにアクセスし、オペレーティングシステムに従ってソフトウェアをダウンロードしてください。現在、オートチョーは、Windows、macOS、およびUbuntuをサポートしています。最新のPDFユーザーガイドは、オートチョーのウェブサイトで提供されています。<ol>
<li>Windows ユーザーの場合は、Auto-CHO_Windows.zipを解凍し、Auto-CHO_Windowsフォルダー内のAuto-CHO.jarをダブルクリックしてプログラムを起動します。 注: ユーザーは、zip ファイルを解凍するために、<https://www.7-zip.org>で見つかった 7-zip などの解凍ソフトウェアをインストールする必要があります。ユーザーは、Java -jar Auto-CHO.jarコマンドを使用して、Windows コマンド プロンプトによってプログラムを起動することもできます。</li>
		<li>macOS ユーザーの場合は、Auto-CHO.jarを右クリックし、[開く]を選択してプログラムを起動します。</li>
		<li>Ubuntuユーザーの場合:<ol>
<li>次のコマンドを使用して libcanberra-gtk をインストールします。 $ sudo apt-get インストール libcanberra-gtk*
</li>
			<li>自動 CHO_Ubuntu.shのアクセス許可を変更します。 $ chmod 755自動CHO_Ubuntu.sh
</li>
			<li>自動 CHO プログラムを実行します。 $ ./自動チョ_Ubuntu.sh
</li>
		</ol>
</li>
	</ol></li>
	<li>所望のグリカン構造を入力します。グリカン構造を描画するか、既存の構造ファイルを読み取るかを選択します。<ol>
<li>描画による入力:<ol>
<li>グリカンビルダー9,10(図1、btn1;図 2A)または、ここをクリックして合成ターゲットを編集し、GlycanBuilder によってクエリ構造を描画および編集します。リンケージとキラリティ情報は無視しないでください。例を表示するには、Globo-H、SSEA-4、またはOligoLacNAcボタン (図 1、 例) をクリックします。 </li>
			<li>ファイルの選択|シーケンス形式にエクスポート |編集した構造体を保存するために、GlycoCT にコンデンスにエクスポートします(オプション)。</li>
			<li>GlycanBuilder ダイアログを閉じて編集を完了します。</li>
		</ol>
</li>
		<li>ファイルを読み取って入力する:<ol>
<li>グリカンビルダーによるグリカン編集をクリックしてください (図 1, btn1;図 2A)または[ここをクリック] の領域をクリックして合成ターゲットを編集し、クエリ構造を編集します。</li>
			<li>ファイルの選択|シーケンス形式からインポートして、対応する形式のクエリ構造ファイルを選択します。</li>
		</ol>
</li>
	</ol></li>
	<li>パラメータ設定を検索します(オプション)。<ol>
<li>[パラメータ設定]タブ (図 1、 tab2) で検索パラメータを定義して、妥当な検索結果を得ます。 メモ： ハイクラス RRV のしきい値は、実数と ≥0 である必要があります。 中クラス RRV のしきい値は、実数と ≥0 である必要があります。 ハイクラス RRV のしきい値は、中クラス RRV のしきい値である必要があります。 最大フラグメント番号は整数と ≥1 である必要があります。 フラグメント内の分 BBL 番号は整数で、1 ~ 3 の間でなければなりません。 フラグメント内の最大 BBL 番号は整数で、1 ~ 3 の間でなければなりません。 フラグメント内の最大 BBL 番号は、フラグメント内の最小 BBL 番号である必要があります。 分ドナー/受け入れ者 RRV 差異は正の実数でなければなりません。 分ドナー/受入者 RRV 比率は正の実数でなければなりません。 最大ドナー/受入者 RRV 比率は正の実数でなければなりません。 最大ドナー/受入者 RRV 比率は >最小ドナー/受諾者 RRV 比率である必要があります。</li>
		<li>[OK]ボタンをクリックして、新しい設定を有効にします。</li>
	</ol></li>
	<li>ビルディング ブロック ライブラリを選択します (図 1、tab5)。既定の設定では、実験ライブラリのみを検索します。実験ライブラリと仮想ライブラリの両方を検索する場合は、次の手順を確認してください。<ol>
<li>仮想ビルディング ブロック ライブラリタブ (図 2C、タブ5) を選択します。実験的なビルディングブロックと仮想ビルディングブロックは、Auto-CHOの検索能力を高めるために連携することができます。現在、Auto-CHO は、ライブラリ内の予測 RrV を含む 50,000 を超える仮想ビルディング ブロックを提供しています。</li>
		<li>[実験ライブラリと仮想ライブラリを使用]を選択し、フィルタリングを適用して、特定の条件を持つ仮想構成要素を表示します。選択した仮想 BBL を表示するボタン (図 2C、 btn5) をクリックすると、選択した仮想ビルディング ブロックのみが表示されます。</li>
		<li>[フィルタリングされた仮想 BBL の表示]ボタン (図 2C、 btn6) ボタンをクリックすると、ユーザーが定義した特定の条件を持つ仮想ビルディング ブロックのみが表示されます。</li>
		<li>[すべての仮想 BBL を表示]ボタン (図 2C、 btn7) をクリックして、使用可能なすべての仮想ビルディング ブロックを表示し、フィルタをリセットします。</li>
		<li>ユーザーが検索に使用する 1 つまたは複数の必要な仮想ビルディング ブロックを確認します。</li>
	</ol></li>
	<li>[クエリ構造]タブ (図 1、 tab1) を選択し、[検索ビルディング ライブラリ]ボタン (図 1、 btn2) をクリックして、クエリ構造の 1 ポット合成ソリューションを検索します。次に、パラメータ設定を確認します。</li>
	<li>結果ビューアを検索します。 注: 検索結果は、結果の視覚化タブ (図 1、 tab6) に表示されます。異なる残量番号の削減終了受諾器は、リジェクションエンドインセプター列に表示されます (図 1, viewer1)。<ol>
<li>リデュースエンドの受け入れ受諾者を選択すると、合成ソリューションリスト(図1、viewer2)にソリューションが表示されます。フラグメントリスト (図 1, viewer3) には、合成に使用するフラグメントの数を示します。 注: システムは、フラグメントの RRV、計算収率、および 1 ポット反応でフラグメントを後続的に使用するために保護する必要がある保護グループを含む、各フラグメントの詳細情報を提供します。選択したフラグメントの組み立てに使用する構成要素は、図 1 の viewer4 に示されています。図 1の viewer5 には、フラグメント接続情報も表示されます。</li>
		<li>化学構造と、建物ブロックブラウザの化学構造の領域で選択した構成要素の詳細情報を表示および確認し、それぞれ実験的な構成要素(図)1,タブ4)。</li>
	</ol></li>
	<li>検索結果をテキストに出力します (オプション)。<ol>
<li>[結果テキスト]タブ (図 1、 tab7) を選択します。</li>
		<li>結果テキストの保存(図 2B,btn4) をクリックし、テキスト ファイルの宛先を選択します。</li>
	</ol></li>
	<li>仮想ビルディング ブロックのフィードバック (オプション)。 注: フィードバックは、オンラインアンケートを通じて仮想ビルディングブロックに対して行うことができます。フィードバックは、コミュニティが有用な仮想ビルディングブロックを維持し、効果のあるブロックを削除するのに役立ちます。<ol>
<li>[仮想ビルディング ブロック]タブ (図 1、タブ5) を選択します。</li>
		<li>[フィードバック]列で評価またはコメントを行う仮想構成要素の [評価先] リンクをクリックします。</li>
		<li>システムが Web ページを開いて送信した後、フィードバック フォームに入力します。 注: 仮想 BBL ID は変更しないでください。</li>
	</ol></li>
</ol>2. RRV判定実験
<ol><li>10 mLの丸底フラスコで、2つのチオグリコシドドナー(それぞれ0.02 mmol:Dr4は既知のRRVを有する参照ドナーである。Dx1は、未知のRRVのドナー分子であり、絶対メタノール(0.10mmol)、およびジクロロメタン中のドリライト(DCM、1.0mL)、次いで室温(RT)で1時間撹拌する。</li>
	<li>この混合物(30 μL)のアリコートを取り、3つの別々の注射(各注入のための10 μL)で高性能液体クロマトグラフィー(HPLC)に混合物を注入します。ベースライン分離条件下でのドナー分子(A)とドナー分子[D]の濃度との間の係数(a)を測定します(エーテル酢酸/n-ヘキサン=20/80)。</li>
	<li>アセトニトリル(40μL、0.02 mmol)中に0.5M N-イオドシュチニミド(NIS)の溶液を反応混合物に加え、続いて0.1Mトリフルオロメタンスルホン酸(TfOH)溶液(20 μL、0.002 mmol)を加え、RTで撹拌する。</li>
	<li>DCM(4.0mL)で反応混合物を希釈し、フィルター、炭酸水素ナトリウム10%を含む飽和水性チオサルフェート(それぞれ5mL量で2倍)で洗浄する。DCM(5 mLで3倍)で水層を抽出します。すべての有機層を組み合わせ、5 mLの塩水で洗い、約200mgの無水マグネシウム硫酸マグネシウムで乾燥させます。</li>
	<li>混合物を30sのために軽く振り、硫酸マグネシウムを除去するためにフルートフィルターペーパーで漏斗を通して濾過し、25 mLの丸底フラスコで濾液を収集します。ロータリーエバポレーターを使用して溶媒を取り除く。</li>
	<li>残渣をDCM(1.0mL)で溶解します。この混合物(30 μL)のアリコートを取り、3つの別々の注射(注射ごとに10 μL)でHPLCに注入します。同じ分離条件下でHPLCによる残りのドナーの濃度([Dx]および[D参照])を測定する(エーテル酢酸塩/n-ヘキサン=20/80)(Aref)t= 24417.0、(Ax) t= 23546.3。</li>
	<li>Dx1対 Dr4 、kx1/kr4 = 0.0932 の間の相対反応を測定します。Dr4の相対反応性値に基づいて、Dx1の相対反応性値は 3 です。 注: a = A/[D]、(Aref)0 = 74530.1、 (Ax)0 = 26143.0。kx/kref = (ln[Dx]t - ln [Dx]0)/(ln[Dref]t - ln [Dref]0) = ( ln [ x]t - ln [Ax]0)/(ln[Aref]t - ln [Aref]0) = 0.0932 。</li>
</ol>3. SSEA-4のワンポットグリコシル化
<ol><li>10mLの丸底フラスコを真空下に置き、火炎乾燥させ、フラスコを真空中でRTに冷却させます。ゴム中隔を取り除き、二糖1ドナー(38mg、1.1 eq.、0.057 mmol)、最初のアクセプター2(40mg、1.0 eq.、0.053 mmol)とテフロンコーティングされた磁気攪拌バーをフラスコに加えます。 </li>
	<li>粉末分子篩4Åの100mgを5mLの丸底フラスコに移す。このフラスコを真空の下に保管し、火炎乾燥させ、フラスコを真空中でRTに冷却させます。乾燥させた4Å分子篩を出発物質を含む最初のフラスコに移します。</li>
	<li>乾燥させたてのDCMを1mLのフラスコに移します。RTで1時間の反応混合物をかき混ぜ、-40°Cの温度の下に置きます。NIS(13mg、1.1 eq.、0.057 mmol)をフラスコに移します。</li>
	<li>TfOH(34 μL、0.3 eq.、0.017 mmol、0.5 M in エーテル)を-40 °Cのマイクロ体積シリンジを使用して中隔を通してフラスムに注入します。-40 °Cで3時間撹拌を続けます。</li>
	<li>最初の受け入れ器2がほぼ消費された後、中隔を通してフラスコにDCM中の受理器3の溶液を注入する。</li>
	<li>反応混合物を-20 °Cまで温め、NIS(19mg、1.6 eq.、0.083 mmol)をフラスコに移します。TfOH(34 μL、0.3 eq.、0.017 mmol、0.5 M in エーテル)を-20 °Cで中隔を通してフラスコに注入します。-20 °Cで3時間撹拌を続けます。</li>
	<li>第1工程反応の産物が消費された後、トリエチルアミンの2つの同等物を注入して反応をクエンチする。セライトを詰めたフィルター漏斗を通して分子ふるいを取り出し、25 mLの丸底フラスコに濾液を集め、さらにDCMの10 mLでフィルターを洗浄します。</li>
	<li>濾液を分離漏斗に移し、10%NaHCO3(それぞれ10mLで2倍)を含む飽和水性チオサルフェートで洗浄する。DCM(10 mLで3倍)で水層を抽出します。有機層を組み合わせ、塩水(10 mL)で混合物を洗浄し、無水MgSO 4を追加して乾燥させます。それをフィルタリングし、100 mLの丸底フラスコで濾液を収集します。</li>
	<li>ロータリーエバポレーターを使用して溶媒を取り除く。DCMの約1 mLで粗混合物を溶解し、シリカベッドの上にロードします。酢酸エチルとトルエン(EtOAc/トルエン、1/4~1/2)を混ぜて溶出し、画分を回収します。</li>
	<li>ロータリーエバポレーターを使用して溶媒を取り除く。減圧下で残渣を乾燥し、完全に保護されたSSEA-4誘導体4(74mg、50%、インセプター2に基づく50%)を白い泡として与える。 </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>

著者は何も開示していない。

Auto-CHOソフトウェアは、化学者がオリゴ糖5の階層的かつプログラム可能なワンポット合成を進めるのを支援するために開発されました。自動 CHO は Java プログラミング言語によって構築されました。現在、Windows、macOS、および Ubuntu をサポートしている GUI ソフトウェアとクロスプラットフォームです。ソフトウェアは、<https://sites.google.com/view/auto-cho/home>で自動CHOのウェブサイトのために無料でダウンロードすることができ、MITライセンスを持つそのソースコードは、<https://github.com/CW-ウェイン/オートチョー>でGitHubからアクセスすることができます。
Auto-CHOのBBLライブラリには、154の実験的なBLLと50,000以上の仮想BLLが含まれており、正確に予測されたRrVが含まれています。すべてのライブラリ検索はローカル マシンで処理され、ユーザーからクエリ構造は収集されません。Auto-CHOは、プログラムによって与えら...

炭水化物は、自然1、2ではユビキタスであるが、その存在と行動様式は、主に分子3のこのクラスへのアクセスが困難なため、未知の領域のままである。オリゴペプチドおよびオリゴヌクレオチドの自動合成とは異なり、オリゴ糖の自動合成の開発は依然として困難な作業であり、進歩は比較的遅い。
この問題に取り組むために、Wong et al.は、オプティマー4と呼ばれるプログラム可能なソフトウェアプログラムを使用して、オリゴ糖の合成のための最初の自動化された方法を開発し、約50のBbLのライブラリから連続したワンポットのBbLの選択を導きます。反応。各BBLは、様々な保護グループによって調整された明確に定義された反応性で設計され、合成されました。このアプローチを用いると、合成時の操作や中間精製の複雑さを最小限に抑えることができ、自動合成の開発において克服するのが最も困難な課題と考えられてきた。この進歩にもかかわらず、BbLの数が少なすぎて、Optimerプログラムは特定の小さなオリゴ糖しか扱うことができないので、この方法はまだかなり制限されています。より多くのBBLとワンポット反応と断片凝縮の複数のパスを必要とするより複雑なオリゴ糖のために、ソフトウェアプログラムのアップグレード版Auto-CHO5が開発されました。
Auto-CHO では、BBL ライブラリに対して定義された反応性を持つ 50,000 を超える BBL が追加され、154 の合成および 50,000 の仮想ライブラリが追加されました。これらのBblは、基本的な特性に基づいて機械学習によって設計され、計算されたNMR化学シフト6、7、および分子記述子8は、Bblの構造および反応性に影響を与える。このアップグレードされたプログラムと利用可能な新しいBbLのセットにより、合成容量が拡張され、実証されているように、関心のあるいくつかのオリゴ糖を迅速に準備することができます。この新しい開発は、様々な生物学的プロセスにおける役割の研究と糖タンパク質および糖脂質の構造と機能への影響を研究するためのオリゴ糖の合成を促進すると考えられている。また、この方法が研究コミュニティに無料で利用できる場合、この研究はグリコサイエンスコミュニティに大きな利益をもたらすと考えられています。本研究では、必須ヒト胚性幹細胞マーカーSSEA-45の合成が実証されている。

<table><tbody><tr><td>アセトニトリル</td><td>Sigma-Aldrich</td><td>75-05-8</td><td></td></tr><tr><td>無水硫酸マグネシウム</td><td>Sigma-Aldrich</td><td>7487-88-9</td><td></td></tr><tr><td>セリウム アンモニウムモリブデン酸</td><td>TCI</td><td>C1794</td><td></td></tr><tr><td>ジクロロメタン</td><td>Sigma-Aldrich</td><td>75-09-2</td><td></td></tr><tr><td>ドリエライト</td><td>Sigma-Aldrich</td><td>7778-18-9</td><td></td></tr><tr><td>酢酸</td><td>エチルSigma-Aldrich</td><td>141-78-6</td><td></td></tr><tr><td>メタノール</td><td>Sigma-Aldrich</td><td>67-56-1</td><td></td></tr><tr><td>モレキュラーシーブ 4 &Aring;</td><td>Sigma-Aldrich</td><td></td><td></td></tr><tr><td>n-Hexane</td><td>Sigma-Aldrich</td><td>110-54-3</td><td></td></tr><tr><td>N-ヨードスクシンイミド</td><td>Sigma-Aldrich</td><td>516-12-1</td><td></td></tr><tr><td>重炭酸ナトリウム</td><td>Sigma-Aldrich</td><td>144-55-8</td><td></td></tr><tr><td>チオ硫酸ナトリウム</td><td>Sigma-Aldrich</td><td>10102-17-7</td><td></td></tr><tr><td>トルエン</td><td>Sigma-Aldrich</td><td>108-88-3</td><td></td></tr><tr><td>トリフルオロメタンスルホン酸</td><td>Sigma-Aldrich</td><td>1493-13-6</td><td></td></tr></tbody></table>

階層的でプログラム可能なワンポットオリゴ糖合成

Hierarchical and Programmable One-Pot Oligosaccharide Synthesis

この記事では、プログラマブルワンポットオリゴ糖合成のための一般的な実験プロトコルを紹介し、潜在的な合成ソリューションを生成するためにAuto-CHOソフトウェアを使用する方法を示します。プログラム可能な1ポットオリゴ糖合成アプローチは、チオグリコシドビルディングブロック(LLL)を使用して大量の高速オリゴ糖合成を、相対反応性値(RRV)の適切な順に与えるように設計されています。Auto-CHOは、BBLライブラリ(約150の検証済みおよび>50,000仮想BbLを含む)を検索することにより、プログラマブルワンポットオリゴ糖合成のための可能な合成ソリューションを提供するグラフィカルユーザーインターフェイスを備えたクロスプラットフォームソフトウェアです。サポートベクトル回帰によって正確に予測されたRRV。階層的なワンポット合成のアルゴリズムはAuto-CHOで実装されており、ワンポット反応によって生成されたフラグメントを新しいBbLとして使用しています。さらに、Auto-CHOは、ユーザーがさらなる使用のために貴重なものを保つために仮想Bblのためのフィードバックを与えることができます。本研究では、多能性ヒト胚性幹細胞マーカーであるステージ特異的胚性抗原4(SSEA-4)のワンポット合成が実証されている。

デフォルトのパラメータ設定に基づく自動CHO検索結果は、SSEA-4が[2 + 1 + 3]ワンポット反応によって合成できることを示しています。図 3は、SSEA-4 検索結果のソフトウェアスクリーンショットを示しています。三糖類削減エンドアクセプターが選択されている場合(図3、ラベル1)、プログラムはクエリの4つの潜在的な解決策を示します。最初の解は1つのフラグメント(図3、ラベル2)を有し、その計算された収率は約94%である。フラグメントは、2つのBbL(図3、ラベル3)によって合成することができる。最初の二糖 BBL の RRV は 1462 で、2 番目の単糖の RRV は 32.0 です。図3の標識4は、ワンポット反応に用いられる最初の提案BBLの化学構造を示す。ワン...

このプロトコルは、オリゴ糖の階層的かつプログラム可能なワンポット合成のためにAuto-CHOソフトウェアを使用する方法を示しています。また、RRV判定実験およびSSEA-4のワンポットグリコシル化の一般的な手順についても説明する。

This article presents a general experimental protocol for programmable one-pot oligosaccharide synthesis and demonstrates how to use Auto-CHO software for ...

新しく開発したソフトウェア「Auto-CHO」を、階層的でプログラム可能なワンポットオリゴ糖合成に活用する方法を実演します。Auto-CHOには、拡張されたビルディングブロックに対するアルゴリズムが含まれており、機械学習を通じて相対的な反応性値が予測されます。Auto-CHOソフトウェアは、ビルディング・ブロックの選定に関する貴重なガイドラインと、フラグメント構成による複雑なグリカンの複数のワンポット合成のための階層的な青写真を提供します。この技術の意味は、炭水化物ベースの治療による癌または感染症の治療に及ぶ。Auto-CHOを使用する前に、Javaランタイム環境がPCまたはMacにインストールされていることを確認してください。Auto-CHOソフトウェア操作の視覚的なデモンストレーションと関連する反応性値の測定実験は、化学者がプロトコルに従い、実験を迅速に進めるのに役立ちます。Java ランタイム環境のソフトウェア初期化を実行するには、Auto-CHO Web サイトにアクセスし、オペレーティング・システムに従ってソフトウェアをダウンロードしてください。現在、オートチョは、Windows、macOS、およびUbuntuをサポートしています。最新のPDFユーザーガイドは、オートチョのウェブサイトに掲載されています。Windows ユーザーの場合は、自動 CHO ウィンドウを解凍します。をクリックし、オートチョをダブルクリックします。プログラムを起動する自動CHO Windowsフォルダ内の瓶。目的のグリカン構造を入力します。グリカン構造を描画するか、既存の構造ファイルを読み取るかを選択します。描画で入力するには、GlycanBuilder によるグリカンの編集をクリックするか、ここをクリックして合成ターゲットを編集し、GlycanBuilder でクエリ構造を描画および編集します。リンケージとキラリティ情報は無視しないでください。Globo-H、SSEA-4、またはOligoLacNAcボタンをクリックして、例を表示します。編集を完了するには、GlycanBuilder ダイアログを閉じます。[パラメータ設定]タブで検索パラメータを定義して、妥当な検索結果を得ます。[大丈夫] ボタンをクリックして、新しい設定を有効にします。デフォルト設定では、実験ライブラリのみを検索します。実験ライブラリと仮想ライブラリの両方を検索する場合は、仮想ビルディングブロックライブラリタブを選択します。[実験ライブラリと仮想ライブラリを使用する]を選択し、フィルタを適用して特定の基準を持つ仮想ビルディングブロックを表示します。実験と仮想のビルディングブロックが連携して自動CHOの検索能力を高めることができます。現在、Auto-CHOは50,000以上の仮想ビルディングブロックを提供し、予測されたRRVをライブラリに含めます。ユーザーが検索に使用する 1 つまたは複数の仮想ビルディング ブロックをオンにします。選択した仮想ビルディング ブロックを表示するボタンをクリックすると、選択した仮想ビルディング ブロックのみが表示されます。[フィルタ処理された仮想ビルディング ブロックを表示] ボタンをクリックすると、ユーザーが定義した特定の基準を持つ仮想ビルディング ブロックのみが表示されます。[すべての仮想ビルディング ブロックを表示] ボタンをクリックして、使用可能なすべての仮想ビルディング ブロックを表示し、フィルターをリセットします。[クエリ構造] タブを選択し、[ビルディング ブロック ライブラリの検索] ボタンをクリックして、クエリ構造の 1 ポット合成ソリューションを検索します。次に、パラメータ設定を確認します。結果ビューアを検索します。検索結果は、[結果の視覚化] タブに表示されます。異なる残基数の還元エンドアクセクサは、還元エンドアクセクサカラムに表示されます。次に、還元エンドアクセクサを選択します。ソリューションは、合成ソリューションリストに表示されます。フラグメントは、合成で使用するフラグメントの数を示唆するフラグメントリストに表示されます。システムは、フラグメントのRRV、計算収量、およびワンポット反応でフラグメントを使用するためにどの保護グループを保護すべきかを含む、各断片の詳細な情報を提供する。選択したフラグメントとフラグメント接続情報の組み立てに使用されるビルディング ブロックも表示されます。実験用ビルディングブロックについては、構成ブロック領域の化学構造で選択したビルディングブロックの化学構造を表示および確認し、詳細な情報ビルディングブロックブラウザを参照してください。10ミリリットルの丸底フラスコで、2つのチオグリコシドドナー、絶対メタノール、およびDCMのドリエーライトを組み合わせます。その後、室温で1時間かき混ぜます。この混合物の30マイクロリットルのアリコートを取り、3つの別々の注射で高速液体クロマトグラフィーに混合物を注入する。ベースライン分離条件下でのドナー分子の吸収と濃度の係数を測定します。アセトニトリルに0.5モルN-イオドスハチニミドの溶液を加え、続いて0.1モルトリフルオロメタンスルホン酸溶液を添加する。室温で2時間かき混ぜます。次に、反応混合物を4ミリリットルのDCMで希釈する。フィルターし、10%炭酸水素ナトリウムを含有する飽和水性チオ硫酸ナトリウムで反応を洗浄する。水層を5ミリリットルのDCMで3回抽出します。すべての有機層を組み合わせ、5ミリリットルのブラインで洗浄します。その後、約200ミリグラムの無水硫酸マグネシウムで合わせた層を乾燥させます。混合物を30秒間軽く振り、フルート濾過紙で漏斗を通して濾過し、硫酸マグネシウムを取り除きます。その後、25ミリリットルの丸い底フラスコに濾液を収集します。ロータリーエバポレーターを使用して、溶媒を除去する。残渣を1ミリリットルのDCMに溶解する。この混合物の30マイクロリットルのアリコートを取り、3つの別々の注射で高速液体クロマトグラフィーに注入する。同じ分離条件下で、HPLCによって残りのドナーの濃度を測定する。相対的な反応性を測定します。DR4 の相対反応性値に基づいて、DX1 の相対反応性値は 3 です。デフォルトのパラメータ設定に基づくAuto-CHO検索結果は、SSEA-4が2プラス1プラス3のワンポット反応によって合成できることを示しています。トリ糖類還元エンドアクセクサを選択すると、プログラムはクエリの4つの潜在的な解決策を示します。第1の溶液は1つの断片を有し、その計算された収率は約94%断片は2つのビルディングブロックによって合成することができる。第1二糖の積塊のRRVは1462であり、第2単糖のRRVは32.0である。ワンポット反応に用いられる最初の提案されたビルディングブロックの化学構造も示されている。1ポット実験は、SSEA-4がこの提案によって43%の収率で正常に合成できることを示しています。SSEA-4は、オートチョによって提案された3つのユニットによって合成することができる。これらの単位は、シイル二糖類ビルディングブロック1、単糖ビルディングブロック2、および還元末端アクセクター3を含む。パラメータ設定では、最初に厳しい基準を持つパラメータを設定することをお勧めします。構築ブロックライブラリの選択については、最初に実験ライブラリを検索することをお勧めします。このデモンストレーションを通じて、腫瘍関連の炭水化物抗原のようなより重要なグリカンが、さらなる研究のためにワンポットアプローチによって合成されることを望む。この手順に従って、すべてのそのような抗原の合成は、炭水化物ベースの癌ワクチンを設計するために行うことができる。また、人工知能やコンピュータアルゴリズムが、疾病治療と予防に役立つ自動グリカン合成を促進できることを期待しています。

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

Research

JoVE Journal

Chemistry

化学

この記事では、ハイスループット法は、抗原提示細胞上の特定の受容体を標的のさらなる使用のための無水物ナノ粒子の表面に糖鎖とその添付ファイルの合成のために提示されます。...

無水物ナノ粒子のハイスループット糖鎖の合成と機能化

私たちは、微生物のエクソ多糖類の同定と特性評価のための自動化されたモジュール式のハイスループット法を提示します。この方法は、分泌された多糖類の総量を分析するための迅速な事前選択と詳細な炭水化物フィンガープリントを組み合わせて、新たに分離された細菌株または全株コレクションの迅速なスクリーニングを可能にします。...

自動化されたモジュラーハイスループットエキソポリサッカライドスクリーニングプラットフォームは、高感度炭水化物フィンガープリント分析と相まって

トレハロース類似体は、バイオ(テクノ)ロジカルおよびバイオメディカルアプリケーションのための重要な分子として浮上しています。トレハロース類似体を酵素的に合成および精製するための最適化された、シンプルで効率的、迅速、かつ環境に優しいプロトコールについて説明します。マイコバクテリア検出のためのプローブの迅速な製造と投与への応用が実証されています。...

迅速なワンステップ酵素合成とトレハロース類似体のすべての水精製

酸化アルミニウム コーティング ガラスに添付ファイルのN型糖鎖の合成にモジュラー アプローチは、糖鎖マイクロ アレイを開発し、広く中和抗体、HIV のプロファイリングの使用が示されている (ACG スライド)...

N型糖鎖アレイ開発および HIV 抗体のための化学酵素合成プロファイリング

この記事では、C2'- O-位置で修飾されたRNAのドデカマーの固相合成、精製、およびキャラクタリゼーションに関する詳細な手順を提供します。 UV-visおよび円二色性光度分析を用いて、構造的側面、 すなわち一本鎖または二本鎖を定量化および特徴づける。...

2 &#39;末端を含むRNAのオリゴマーの固相合成のためのプロトコール<em&gt; O</em&gt;チオフェンメチル修飾と環状二色性によるキャラクタリゼーション

2-アジドフェニル-1-硝酸のエステルは、対応する 2-アジドフェニル-1-trichloroacetimidate 1...

1 つの鍋マイクロ波への変換アノマー硝酸エステルの Trichloroacetimidates

今回二糖類ヌクレオシドの合成のためのプロトコルを介してribonucleosides のO位置選択的グリコシル化反応での一時的な保護、2'、3'-ジオール部分繰返しホウ酸エステルを利用しました。このメソッドは、いくつかの無防備なヌクレオシド アデノシン, グアノシン、シチジン、ウリジン、5-メチルウリジン, 対応する糖ヌクレオシドを与える 5 fluorouridine...

ヌクレオシドを介して一時 2'、3'-ジオール保護ホウ酸エステル糖ヌクレオシドの合成のためのOの位置選択的グリコシル化反応

情報コード化されたペプトイドオリゴマーの合成と、アミンとアルデヒドを動的な共有反応物の対とルイス酸性希土類として使用して、これらのペプトイドの分子ラダーへの配列指向の自己集合のためのプロトコルが提示される金属トリフラはマルチロール試薬として...

情報を持つペプトイドの合成と、その配列指向動的共有自己集合

このプロトコルの目的は、ゴールデンゲートクローニングに基づくモジュラークローニングシステムを使用して、マルチ遺伝子構造を組み立てるための詳細なステップバイステップガイドを提供することです。また、当社の経験に基づいて最適なアセンブリを確保するための重要な手順に関する推奨事項も示します。...

モジュラーゴールデンゲートクローニングを用いた多遺伝子構造の迅速な組み立て

意図的に設計された金属有機骨格材料の合成、活性化、および特徴付けは、ビルディングブロックは、互換性がないか、不要な形体が熱力学的に望ましい形態より好まれている場合は特に、困難である。当社は、超臨界CO 2乾燥経由毛細血管と活性化における溶媒アシストリンカ交換、粉末X線回折のアプリケーションは、これらの課題のいくつかに対処する方法について説明します。...

官能化有機金属構造体の合成とキャラクタリゼーション

学ぼう、Auto-CHOソフトウェアを用いた階層的ワンポットオリゴ糖合成法。機械学習による相対反応性値の予測とビルディングブロック選択のガイドラインにより、複雑なグリカンの効率的な合成が可能となり、がんや感染症治療への応用が期待されます。

階層的でプログラム可能なワンポットオリゴ糖合成

さらに動画を探す