Name: 계층적 및 프로그래밍 가능한 원팟 올리고사카라이드 합성 (동영상) | JoVE Journal
Uploaded: 2019-09-06T13:00:00.000+00:00
Duration: 9 min 56 s
Description: 배우세요 Auto-CHO 소프트웨어를 활용한 계층적 올리고사카라이드 합성 방법을. 머신러닝 기반 상대 반응성 값 예측과 원팟 글리코실화 실험을 통해 복잡한 글리칸 합성을 효율적으로 수행할 수 있습니다.

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

이 작품은 정상 회담 프로그램, 과학 기술부 [MOST 104-0210-01-09-02, most 105-0210-01-13-01, MOST 106-0210-01-15-02], NSF (1664283)를 포함한 학계 시니카의 지원을 받았습니다.

1. 자동 CHO 소프트웨어 조작
<ol><li>Java 런타임 환경 설치: JRE(Java 런타임 환경)가 장치에 설치되었는지 확인합니다. JRE가 설치된 경우 다음 단계인 "소프트웨어 초기화"로 이동합니다. 그렇지 않으면 다음 을 찾은 사용자의 운영 체제에 따라 JRE를 다운로드하여 설치하십시오.</li>
	<li>소프트웨어 초기화: Auto-CHO 웹 사이트(/https://sites.google.com/view/auto-cho/home> 및 운영 체제에 따라 소프트웨어를 다운로드)로 이동하십시오. 현재 Auto-CHO는 윈도우, 맥OS 및 우분투를 지원합니다. 최신 PDF 사용자 가이드는 Auto-CHO 웹 사이트에서 제공됩니다.<ol>
<li>Windows 사용자의 경우 자동 CHO_Windows.zip의 압축을 풀고 자동 CHO_Windows 폴더에서 자동 CHO.jar를 두 번 클릭하여 프로그램을 시작합니다. 참고: 사용자는 zip 파일의 압축을 풀기 위해 <https://www.7-zip.org>에서 찾을 수 있는 7-Zip과 같은 압축 해제 소프트웨어를 설치해야 합니다. 사용자는 또한 자바 -jar 자동 CHO.jar 명령을 사용하여 Windows 명령 프롬프트에 의해 프로그램을 시작할 수 있습니다.</li>
		<li>macOS 사용자의 경우 자동 CHO.jar를 마우스 오른쪽 버튼으로 클릭하고 열기를 선택하여 프로그램을 시작합니다.</li>
		<li>우분투 사용자의 경우:<ol>
<li>다음 명령을 사용하여 libcanberra-GTK를 설치합니다. $ sudo apt-get 설치 libcanberra-gtk*
</li>
			<li>자동 CHO_Ubuntu.sh의액세스 권한을 변경합니다. $ chmod 755 자동 CHO_우분투.sh
</li>
			<li>자동 CHO 프로그램 실행: $ ./Auto-CHO_Ubuntu.sh
</li>
		</ol>
</li>
	</ol></li>
	<li>원하는 글리칸 구조를 입력합니다. 글리칸 구조를 그리거나 기존 구조 파일을 읽도록 선택합니다.<ol>
<li>도면에 의한 입력:<ol>
<li>글리칸빌더9,10에 의한 글리칸 편집을클릭합니다(그림1,btn1; 그림 2A) 또는 여기를 클릭하여 합성 대상을 편집하여 GlycanBuilder에서 쿼리 구조를 그리고 편집할 수 있습니다. 연결 및 키랄리티 정보는 무시해서는 안 됩니다. Globo-H, SSEA-4또는 OligoLacNAc 단추(그림1,예제)를 클릭하여 예제를 표시합니다.</li>
			<li>파일 선택 | 시퀀스 형식으로 내보내기 | 편집된 구조를 저장하기 위해 응축된 GlycoCT로 내보내기(선택 사항).</li>
			<li>글리칸빌더 대화 상자를 닫고 편집을 완료합니다.</li>
		</ol>
</li>
		<li>파일을 읽음으로써 입력:<ol>
<li>글리칸빌더에 의한 글리칸 편집을 클릭합니다(그림1,btn1; 그림 2A) 또는 여기를 클릭하여 가상 대상을 편집하여 쿼리 구조를 편집합니다.</li>
			<li>파일 선택 | 시퀀스 형식에서 가져오면 해당 형식의 쿼리 구조 파일을 선택합니다.</li>
		</ol>
</li>
	</ol></li>
	<li>매개 변수 설정 검색(선택 사항).<ol>
<li>적절한 검색 결과를 얻으려면"매개 변수 설정" 탭(그림 1, tab2)에서 검색 매개 변수를 정의합니다. 참고: 고급 RRV의 임계값은 실제 숫자및 ≥0이어야 합니다. 중간 클래스 RRV의 임계값은 실제 숫자및 ≥0이어야 합니다. 고급 RRV의 임계값은 > 중간 클래스 RRV의 임계값이어야합니다. 최대 조각 번호는 정수 및 ≥1이어야 합니다. 조각의 최소 BBL 번호는 정수여야 하며 1에서 3 사이여야 합니다. 조각의 최대 BBL 번호는 정수여야 하며 1에서 3 사이여야 합니다. 조각의 최대 BBL 번호는 조각의 ≥최소 BBL 번호여야합니다. 최소 기증자/수락자 RRV 차이는 양수 실제 숫자여야 합니다. 최소 기증자/수락자 RRV 비율은 양수 실제 숫자여야 합니다. 최대 기증자/수락자 RRV 비율은 양수 실제 숫자여야 합니다. 최대 기증자/수락자 RRV 비율은 >최소 기증자/수락자 RRV 비율이어야합니다.</li>
		<li>확인 버튼을 클릭하여 새 설정을 활성화합니다.</li>
	</ol></li>
	<li>빌딩 블록라이브러리(그림 1, 탭5)를 선택합니다. 기본 설정은 실험 라이브러리만 검색하는 것입니다. 실험 라이브러리와 가상 라이브러리를 모두 검색하려면 다음 단계를 확인하십시오.<ol>
<li>가상 빌딩 블록 라이브러리 탭(그림 2C, 탭5)을 선택합니다. 실험 및 가상 빌딩 블록은 함께 작동하여 Auto-CHO의 검색 능력을 향상시킬 수 있습니다. 현재 Auto-CHO는 라이브러리에 예상 RV가 있는 50,000개 이상의 가상 빌딩 블록을 제공합니다.</li>
		<li>실험 및 가상 라이브러리 사용을 선택하고 필터링을 적용하여 특정 기준을 가진 가상 빌딩 블록을 표시합니다. 선택한 가상 BBL 표시 버튼(그림2C,btn5)을 클릭하여 선택한 가상 빌딩 블록만 표시합니다.</li>
		<li>필터링된 가상 BBL 표시 버튼(그림2C, btn6)을 클릭하여 사용자가 정의한 특정 기준을 가진 가상 빌딩 블록만 표시합니다.</li>
		<li>모든 가상 BBL 표시 버튼(그림2C, btn7)을 클릭하여 사용 가능한 모든 가상 빌딩 블록을 표시하고 필터를 재설정합니다.</li>
		<li>사용자가 검색에 사용할 하나 또는 여러 개의 원하는 가상 빌딩 블록을 확인합니다.</li>
	</ol></li>
	<li>쿼리 구조 탭(그림 1,tab1)을 선택하고 검색 빌딩 블록 라이브러리 버튼(그림 1,btn2)을 클릭하여 쿼리 구조에 대한 하나의 포트 합성 솔루션을 찾습니다. 그런 다음 매개 변수 설정을 확인합니다.</li>
	<li>결과 뷰어를 검색합니다. 참고: 검색 결과는 결과 시각화 탭(그림1, tab6)에 표시됩니다. 다른 잔류 수의 감소 끝 수락자는 [종료 허용자] 열(그림1, 뷰어1)에 표시됩니다.<ol>
<li>환원 종료 수락기선택 및 해결 방법은 합성 솔루션 목록(그림 1, 뷰어2)에 표시됩니다. 조각 목록(그림 1,뷰어3)에 조각이 표시되어 합성에 얼마나 많은 조각을 사용해야 하는지 제안합니다. 참고: 시스템은 조각의 RRV, 계산 수율뿐만 아니라 보호 그룹이 원 팟 반응에서 조각의 후속 사용을 위해 보호되어야 하는 것을 포함하여 각 조각에 대한 자세한 정보를 제공합니다. 선택한 조각을 조립하는 데 사용되는 빌딩 블록은 그림 1의뷰어4에표시됩니다. 도 1의 뷰어5에는 조각 연결 정보도 표시됩니다.</li>
		<li>실험용 빌딩 블록에 대한 빌딩 블록 및 빌딩 블록 브라우저의화학 구조 영역에서 선택한 빌딩 블록의 화학 구조 및 상세 정보를 보고 확인합니다(그림) 1,탭4).</li>
	</ol></li>
	<li>검색 결과를 텍스트로 출력합니다(선택 사항).<ol>
<li>결과 텍스트 탭(그림1,탭7)을 선택합니다.</li>
		<li>결과 텍스트 저장(그림 2B, btn4)을 클릭하고 텍스트 파일 대상을 선택합니다.</li>
	</ol></li>
	<li>가상 빌딩 블록에 대한 피드백(선택 사항). 참고: 온라인 설문지를 통해 가상 빌딩 블록에 대한 피드백을 받을 수 있습니다. 피드백은 커뮤니티가 유용한 가상 빌딩 블록을 유지하고 비효율적 인 블록을 제거하는 데 도움이 될 수 있습니다.<ol>
<li>가상 빌딩 블록 탭(그림1, 탭5)을 선택합니다.</li>
		<li>피드백 열에서 평가하거나 주석할 가상 빌딩 블록의 평가 링크를 클릭합니다.</li>
		<li>시스템이 웹 페이지를 열고 제출한 후 피드백 양식을 작성합니다. 참고: 가상 BBL ID를 변경하지 마십시오.</li>
	</ol></li>
</ol>2. RRV 판정 실험
<ol><li>10 mL 라운드 바닥 플라스크에서, 두 개의 티오글리코사이드 기증자(각각 0.02 mmol: Dr4는 공지된 RRV를 가진 기준 공여자; Dx1은 알 수 없는 RRV의 공여자 분자, 절대 메탄올(0.10 mmol), 디클로로메탄(DCM, 1.0 mL)의 건조기이며, 실온(RT)에서 1시간 동안 교반한다.</li>
	<li>이 혼합물의 aliquot (30 μL)를 취하고 3 개의 별도의 주사 (각 주입에 대해 10 μL)에서 고성능 액체 크로마토그래피 (HPLC)에 혼합물을 주입하십시오. 기준선 분리 조건 하에서흡수(A)및 공여자 분자의농도[D]사이의 계수(a)를 측정한다(에테르 아세테이트/n-헥산 = 20/80).</li>
	<li>아세토니트릴(40 μL, 0.02 mmol)에 0.5 M N-Iodosuccinimide(NIS)의 용액을 첨가한 다음 0.1 M 트리플루오로메탄설포닉 산(TfOH) 용액(20 μL, 0.002 mmol)을 첨가한 다음, RT에서 2시간 동안 혼합물을 저어줍니다.</li>
	<li>반응 혼합물을 DCM(4.0 mL)으로 희석하고, 필터를 적용하고, 10% 탄산나트륨을 함유하는 포화 수성 티오술파테(티오술파테 나트륨)로 세척한다(각각 5 mL 부피가 2x씩). DCM(5mL로 3x)으로 수성 층을 추출합니다. 모든 유기농 층을 결합하고 소금물 5 mL로 씻고 약 200 mg의 무수 마그네슘 황산염으로 말립니다.</li>
	<li>혼합물을 30s에 대해 약간 흔들고, 황산 마그네슘을 제거하기 위해 플루티드 필터 페이퍼로 깔때기를 통해 걸러내고 25 mL 둥근 바닥 플라스크에서 여과액을 수집합니다. 회전 식 증발기에서 용매를 제거합니다.</li>
	<li>DCM(1.0 mL)의 잔류물을 용해시다. 이 혼합물의 aliquot (30 μL)를 가지고 3 개의 별도의 주사 (각 주입에 대해 10 μL)에서 HPLC에 주입하십시오. 동일한 분리 조건(에테르 아세테이트/n-헥산 =20/80)(Aref)t = 24417.0,(A x)t하에서 HPLC에 의한 나머지 기증자의 농도를 측정합니다. = 23546.3.</li>
	<li>Dx1 대 Dr4,k x1/kr4 = 0.0932 사이의 상대 반응성을 측정합니다. Dr4의상대 반응성 값을 기준으로 Dx1의 상대 반응성 값은 3입니다. 참고: a = A/[D],(A 참조)0 = 74530.1,(A x)0 = 26143.0. k x/kref = (ln ]Dx]t - ln ]Dx]0)/(ln]D참조]t - ln ]D참조]0= (ln]A x]t - ln [A]0)/(ln [A참조]t - ln [참조]0]= 0.0932.</li>
</ol>3. SSEA-4의 한 냄비 당화
<ol><li>10 mL 의 둥근 바닥 플라스크를 진공 아래에 놓고 화염건조를 한 후 진공 상태에서 RT로 냉각시도록 하십시오. 고무 중격을 제거하여 이당류 1 도공(38 mg, 1.1 eq., 0.057 mmol), 제1 수용자 2(40 mg, 1.0 eq., 0.053 mmol)와 테플론 코팅 된 마그네틱 교반 막대를 플라스크에 첨가한다.</li>
	<li>가루 분자 체 100 mg을 5 mL 둥근 바닥 플라스크에 4 Å로 옮니다. 이 플라스크를 진공 상태에서 유지하고 화염건조상태로 유지하고, 플라스크가 진공 상태에서 RT로 식힙니다. 신선하게 말린 4 Å 분자 체를 시작 물질을 포함하는 첫 번째 플라스크에 옮니다.</li>
	<li>갓 말린 DCM 1 mL을 플라스크에 옮김으로 옮니다. RT에서 1 시간 동안 반응 혼합물을 저은 다음 -40 °C의 온도에서 놓습니다. NIS(13 mg, 1.1 eq., 0.057 mmol)를 플라스크에 옮니다.</li>
	<li>-40°C에서 마이크로 부피 주사기를 사용하여 중격을 통해 플라스크에 TfOH(34 μL, 0.3 eq., 0.017 mmol, 0.5 Mmol)를 주입합니다. 3시간 동안 -40°C에서 계속 저어주세요.</li>
	<li>제1 수용자 2가 거의 소비된 후, DCM에서 수용자 3의 용액을 중격을 통해 플라스크 내로 주입한다.</li>
	<li>반응 혼합물을 -20°C까지 데우고 NIS(19 mg, 1.6 eq., 0.083 mmol)를 플라스크 내로 전달한다. TfOH (34 μL, 0.3 eq., 0.017 mmol, 0.5 mmol in ether)를 -20 °C에서 중격을 통해 플라스크에 주입합니다. 3시간 동안 -20°C에서 계속 저어주세요.</li>
	<li>제 1 단계 반응의 생성물이 소비 된 후, 트리에틸 아민의 두 동등한 주입하여 반응을 담금질. Celite로 포장된 필터 깔때기를 통해 분자 체를 제거하고 여과액을 25 mL 라운드 바닥 플라스크로 수집하고 10 mL의 DCM으로 필터를 추가로 세척합니다.</li>
	<li>여과액을 분리 깔때기로 옮기고 10% NaHCO3(각각 10 mL씩 2x)를 함유하는 포화 수성 티오술파테로 세척한다. DCM(10mL의 3x)으로 수성 층을 추출합니다. 유기 층을 결합하고 염수 (10 mL)와 혼합물을 세척하고 무수 MgSO4를추가하여 건조. 그것을 걸러내고 100 mL 둥근 바닥 플라스크에 여과액을 수집합니다.</li>
	<li>회전 식 증발기에서 용매를 제거합니다. 원유 혼합물을 약 1 mL의 DCM으로 용해시키고 실리카 침대 위에 적재하십시오. 에틸 아세테이트와 톨루엔 (EtOAc / 톨루엔, 1/4 ~ 1/2)의 혼합물로 제품을 용해시키고 분획을 수집합니다.</li>
	<li>회전 식 증발기에서 용매를 제거합니다. 감압하에서 잔류물을 건조하여 완전히 보호된 SSEA-4 유도체 4(74 mg, 50% 기준 수용자 2)를백색 발포체로 준다.</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>

저자는 공개 할 것이 없다.

Auto-CHO 소프트웨어는 화학자가 올리고당5의계층적 및 프로그래밍 가능한 원팟 합성을 진행할 수 있도록 지원하기 위해 개발되었습니다. 자동 CHO는 자바 프로그래밍 언어에 의해 만들어진. 그것은 GUI 소프트웨어 및 크로스 플랫폼, 현재 윈도우를 지원 하는, 맥 OS, 그리고 우분투. 이 소프트웨어는 자동 CHO 웹 사이트에서 무료로 다운로드 할 수 있습니다 .;https://sites.google.com/view/auto-cho/home>, MIT 라이센스가 있는 소스 코드는 GitHub에서 액세스할 수 있습니다.https://github.com/CW-Wayne/Auto-CHO>.
Auto-CHO의 BBL 라이브러리에는 154개의 실험용 BbL과 정확하게 예측된 RRV가 있는 50,000개 이상의 가상 BBL이 포함되어 있습니다. 모든 라이브러리 검색은 로컬 컴퓨터에서 처리되며 사용자로부터 쿼리 구조를 수집하지 않습니다. Auto-...

탄수화물은자연1,2에서유비쿼터스이지만, 그들의 존재와 행동 모드는 주로 분자3의이클래스에 대한 접근이 어렵기 때문에 미지의 영역으로 남아 있습니다. 올리고펩티드와 올리고뉴클레오티드의 자동 합성과는 달리, 올리고당의 자동 합성은 여전히 어려운 과제이며, 진행은 상대적으로 느렸습니다.
이 문제를 해결하기 위해 Wong 등은 연속적으로 ~ 50 BBL 라이브러리에서 BbL 선택을 안내하는 Optimer4라는프로그래밍 가능한 소프트웨어 프로그램을 사용하여 올리고당을 합성하는 최초의 자동화 방법을 개발했습니다. 반응. 각 BBL은 다양한 보호 그룹에 의해 조정된 잘 정의된 반응성으로 설계 및 합성되었습니다. 이러한 접근법을 사용하여, 자동화된 합성의 발달에서 극복하기 가장 어려운 문제로 여겨진 합성 중에 조작 및 중간 정제를 보호하는 복잡성을 최소화할 수 있다. 이 사전에도 불구하고, 이 방법은 여전히 매우 제한되어, BBL의 수가 너무 작고 Optimer 프로그램은 특정 작은 올리고 당을 처리 할 수 있습니다. 더 많은 VBL과 한 냄비 반응 및 조각 응축의 여러 패스를 필요로하는 더 복잡한 올리고 당을 위해 소프트웨어 프로그램의 업그레이드 된 버전인 Auto-CHO5가개발되었습니다.
Auto-CHO에서는 154개의 합성 및 50,000개의 가상 라이브러리를 포함하여 BBL 라이브러리에 대한 정의된 반응성을 가진 50,000개 이상의 BBL이 추가되었습니다. 이러한 BbL은 기본 특성, 계산된 NMR 화학 적 시프트6,7및분자 설명자8을기반으로 기계 학습에 의해 설계되었으며, 이는 BBL의 구조 및 반응성에 영향을 미칩니다. 이 업그레이드된 프로그램과 새로운 BbL 세트를 사용할 수 있게 되면 합성 용량이 확장되고 입증된 바와 같이 여러 올리고당도 신속하게 준비할 수 있습니다. 이 새로운 개발은 다양한 생물학적 과정에서 의 역할과 당단백질과 글리콜리피의 구조와 기능에 미치는 영향에 대한 연구를 위해 올리고당의 합성을 용이하게 할 것으로 믿습니다. 또한 이 방법이 연구 커뮤니티에서 무료로 사용할 수 있다는 점을 감안할 때 이 연구가 글리코사이언스 커뮤니티에 상당한 도움이 될 것으로 생각됩니다. 필수 인간 배아 줄기 세포 마커인 SSEA-45의합성이 이 작업에서 입증된다.

<table><tbody><tr><td>아세토니트릴</td><td>시그마-알드리치</td><td>75-05-8</td><td></td></tr><tr><td>무수 마그네슘 설페이트</td><td>시그마-알드리치</td><td>7487-88-9</td><td></td></tr><tr><td>세륨 암모늄 몰리브덴산</td><td>염 TCI</td><td>C1794</td><td></td></tr><tr><td>디클로로메탄</td><td>시그마-알드리치</td><td>75-09-2</td><td></td></tr><tr><td>드리어라이트</td><td>시그마-알드리치</td><td>7778-18-9</td><td></td></tr><tr><td>에틸 아세테이트</td><td>시그마 알드리치</td><td>141-78-6</td><td></td></tr><tr><td>메탄올</td><td>시그마 알드리치</td><td>67-56-1</td><td></td></tr><tr><td>분 자체 4 &Aring;</td><td>시그마-알드리치</td><td></td><td></td></tr><tr><td>n-헥산</td><td>, 시그마-알드리치</td><td>110-54-3</td><td></td></tr><tr><td>N-요오도숙신이미드</td><td>, 시그마-알드리치,</td><td>516-12-1</td><td></td></tr>, <tr><td>소듐바이카보네이</td>트, <td>시그마-알드리치,</td><td>144-55-8</td><td></td></tr>, <tr><td>소듐 티오설페이</td><td>트, 시그마-알드리치,</td><td>10102-17-7</td><td></td></tr>, <tr><td>톨루엔</td><td>, 시그마-알드리치</td><td>108-88-3</td><td></td></tr><tr><td>트리 플루오로 메탄 설폰산</td><td>시그마 - 알드리치</td><td>1493-13-6</td><td></td></tr></tbody></table>

계층적 및 프로그래밍 가능한 원팟 올리고사카라이드 합성

Hierarchical and Programmable One-Pot Oligosaccharide Synthesis

이 문서에서는 프로그래밍 가능한 한 냄비 올리고당 합성을 위한 일반적인 실험 프로토콜을 제시하고 잠재적인 합성 솔루션을 생성하기 위한 Auto-CHO 소프트웨어를 사용하는 방법을 보여줍니다. 프로그래밍 가능한 1-pot 올리고당 합성 접근법은 상대 반응성 값(RRV)의 적절한 순차적 순서로 티오글리코사이드 빌딩 블록(BBL)을 사용하여 다량의 빠른 올리고당 합성을 강화하도록 설계되었습니다. Auto-CHO는 BBL 라이브러리(약 150개의 검증 및 >50,000개의 가상 BbL 포함)를 검색하여 프로그래밍 가능한 한 냄비 올리고당 합성을 위한 가능한 합성 솔루션을 제공하는 그래픽 사용자 인터페이스를 갖춘 크로스 플랫폼 소프트웨어입니다. 지원 벡터 회귀를 통해 RRV를 정확하게 예측합니다. 계층적 원팟 합성 알고리즘은 Auto-CHO에서 구현되었으며, 한 냄비 반응에 의해 생성된 조각을 새로운 BbL로 사용합니다. 또한 Auto-CHO를 사용하면 가상 BBL에 대한 피드백을 제공하여 더 많은 사용을 위해 귀중한 것들을 유지할 수 있습니다. 다능성 인간 배아 줄기 세포 마커인 단계 특이적 배아 항원 4(SSEA-4)의 원팟 합성이 이 작업에서 입증된다.

기본 파라미터 설정에 기초한 자동 CHO 검색 결과는 SSEA-4가 [2 + 1 + 3] 한 포트 반응으로 합성될 수 있음을 나타냅니다. 그림 3은 SSEA-4 검색 결과의 소프트웨어 스크린샷을 보여 주다. 삼당감소 엔드 수락자가 선택되면(그림3,라벨 1), 프로그램은 질의에 대한 4가지 잠재적 해결책을 나타낸다. 첫 번째 솔루션에는 하나의조각(그림 3,레이블 2)이 있으며 계산된 수율은 약 94%입니다. 단편은 두 개의 BbL(도3,라벨 3)으로 합성될 수 있다. 제1 이당외의 RRV는 1462이고 제2 단당류의 RRV는 32.0이다. 도 3의 라벨 4는 원포트 반응에 사용된 제1 제안된 BBL의 화학적 ...

이 프로토콜은 올리고당의 계층적 및 프로그래밍 가능한 원팟 합성을 위해 Auto-CHO 소프트웨어를 사용하는 방법을 보여줍니다. 또한 SSEA-4의 RRV 측정 실험 및 1포트 글리코실화에 대한 일반적인 절차를 설명한다.

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

우리는 계층적이고 프로그래밍 가능한 한 냄비 올리고당 합성을 위해 새로 개발 된 소프트웨어 인 Auto-CHO를 사용하는 방법을 보여줍니다. Auto-CHO에는 확장된 빌딩 블록에 대한 알고리즘이 포함되어 있으며, 기계 학습을 통해 상대적 반응성 값을 예측합니다. Auto-CHO 소프트웨어는 빌딩 블록 선택을 위한 귀중한 지침과 단편 조성을 통해 보다 복잡한 글리칸의 다중 한 냄비 합성을 위한 계층적 청사진을 제공합니다.이 기술의 의미는 탄수화물 기지를 둔 치료법에 의하여 암 또는 전염병의 치료로 확장합니다. 자동 CHO를 사용하기 전에 JAVA 런타임 환경이 PC 또는 Mac에 설치되었는지 확인하십시오. 자동 CHO 소프트웨어 조작및 관련 반응성 가치 결정 실험의 시각적 데모는 화학자가 프로토콜을 따르고 실험을 신속하게 진행하는 데 도움이 됩니다.Java 런타임 환경의 소프트웨어 초기화를 수행하려면 Auto-CHO 웹 사이트로 이동하여 운영 체제에 따라 소프트웨어를 다운로드합니다. 현재 Auto-CHO는 Windows, macOS 및 우분투를 지원합니다. 최신 PDF 사용자 가이드는 Auto-CHO 웹 사이트에 제공됩니다.Windows 사용자의 경우 자동 CHO 창의 압축을 해제합니다. 자동 CHO를 두 번 클릭합니다. 프로그램을 시작하기 위해 자동 CHO Windows 폴더의 jar.원하는 글리칸 구조를 입력합니다. 글리칸 구조를 그리거나 기존 구조 파일을 읽으십시오. 그림을 그리는 것으로 입력하려면 글리칸빌더에 의한 글리칸 편집을 클릭하거나, 이쪽을 클릭하여 합성 표적을 편집하여 글리칸빌더에 의해 쿼리 구조를 끌어서 편집한다.연결 및 키랄리티 정보를 무시해서는 안 됩니다. 글로보-H, SSEA-4 또는 OligoLacNAc 버튼을 클릭하여 예제를 표시합니다. 글리칸빌더 대화를 닫고 편집을 완료합니다.매개 변수 설정 탭에서 검색 매개 변수를 정의하여 합리적인 검색 결과를 얻습니다. 새로운 설정을 활성화하려면 확인 버튼을 클릭합니다. 기본 설정은 실험 라이브러리만 검색하는 것입니다.실험 및 가상 라이브러리를 모두 검색하려는 경우 가상 빌딩 블록 라이브러리 탭을 선택합니다. 실험 및 가상 라이브러리 사용을 선택하고 필터링을 적용하여 특정 기준을 가진 가상 빌딩 블록을 표시합니다. 실험 및 가상 빌딩 블록은 함께 작동하여 Auto-CHO의 검색 능력을 향상시킬 수 있습니다.현재 Auto-CHO는 50개 이상의 가상 빌딩 블록을 제공하며, 라이브러리에는 예측된 RRV가 있습니다. 사용자가 검색에 사용할 원하는 가상 빌딩 블록 중 하나 또는 여러 개 확인합니다. 선택한 가상 빌딩 블록 버튼을 클릭하여 선택한 가상 빌딩 블록만 표시합니다.필터링된 가상 빌딩 블록 버튼을 클릭하여 사용자가 정의한 특정 기준을 가진 가상 빌딩 블록만 표시합니다. 모든 가상 빌딩 블록 버튼을 클릭하여 사용 가능한 모든 가상 구성 요소를 표시하고 필터를 재설정합니다. 쿼리 구조 탭을 선택하고 검색 빌딩 블록 라이브러리 단추를 클릭하여 쿼리 구조에 대한 원포트 합성 솔루션을 찾습니다.그런 다음 매개 변수 설정을 확인합니다. 결과 뷰어를 검색합니다. 검색 결과는 결과 시각화 탭에 표시됩니다.다른 잔류 수의 감소 끝 수락자가 감소 끝 수락자 열에 표시됩니다. 다음으로, 감소 끝 수락기선택. 솔루션은 합성 솔루션 목록에 표시됩니다.조각은 합성에 사용해야 하는 조각 수를 제안하기 위해 조각 목록에 표시됩니다. 이 시스템은 조각의 RRV, 계산 수율, 원포트 반응에서 조각을 사용하기 위해 보호 그룹을 보호해야 하는 것을 포함하여 각 조각에 대한 자세한 정보를 제공합니다. 선택한 조각을 조립하는 데 사용되는 빌딩 블록과 조각 연결 정보도 표시됩니다.실험적인 빌딩 블록의 경우 빌딩 블록 영역의 화학 구조에서 선택한 빌딩 블록의 화학 구조를 보고 확인하고 자세한 정보 구성 블록 브라우저를 참조하십시오. 10 밀리리터 라운드 하단 플라스크에서, DCM에 두 개의 티글리코 사이드 기증자, 절대 메탄올, 건조기를 결합합니다. 그런 다음 실온에서 1 시간 동안 저어줍니다.이 혼합물의 30 마이크로 리터 알리쿼트를 가지고 세 개의 별도 주사에 고성능 액체 크로마토그래피에 혼합물을 주입. 기준선 분리 조건 하에서 기증자 분자의 흡수와 농도 사이의 계수를 측정합니다. 반응 혼합물에 아세토닐에 0.5 어금다 N-Iodosuccinimide의 용액을 추가하고 0.1 어금니 트리플루오로메탄술포닉 산 용액을 첨가합니다.2 시간 동안 실온에서 혼합물을 저어. 다음으로, 반응 혼합물을 DCM의 4밀리리터로 희석시다. 탄산 나트륨 10%를 함유한 포화 수성 나트륨 티오툴파테로 반응을 걸레고 세척한다.이제 DCM의 5 밀리리터로 수성 층을 세 번 추출합니다. 모든 유기농 층을 결합하고 소금물 5 밀리리터로 씻으십됩니다. 그런 다음 결합 된 층을 약 200 밀리그램의 무수 마그네슘 황산염으로 건조시킵니다.30초 동안 혼합물을 약간 흔들어 서 황산 마그네슘을 제거하기 위해 플루티드 필터 용지로 깔때기를 통해 필터링합니다. 그런 다음 25 밀리리터 라운드 하단 플라스크에서 여과물을 수집합니다. 회전 증발기사용으로 용매를 제거합니다.잔류물을 DCM의 1밀리리터로 녹입니다. 이 혼합물의 30 마이크로 리터 알리쿼트를 가지고, 세 개의 별도 주사에 고성능 액체 크로마토그래피에 주입. HPLC에 의해 나머지 기증자의 농도를 측정, 동일한 분리 조건하에서.상대 반응성을 측정합니다. DR4의 상대반응성 값을 기준으로 DX1의 상대반응성 값은 3개입니다. 기본 매개 변수 설정을 기반으로 하는 자동 CHO 검색 결과는 SSEA-4가 2개 플러스 1포트 반응으로 합성될 수 있음을 나타냅니다.trisaccharide-감소 종료 수락자가 선택되면 이 프로그램은 쿼리에 대한 네 가지 잠재적 인 솔루션을 보여줍니다. 첫 번째 솔루션에는 하나의 조각이 있으며 계산된 수율은 약 94%이며 두 개의 빌딩 블록으로 조각을 합성할 수 있습니다. 제1단경빌딩블록의 RRV는 1462개이며, 제2단자카라이드의 RRV는 32.0이다.1-냄비 반응에 사용되는 첫 번째 제안 된 빌딩 블록의 화학 구조도 도시된다. 한 냄비 실험은 SSEA-4가 이 제안에 의해 43%의 수율로 성공적으로 합성될 수 있음을 보여줍니다. SSEA-4는 Auto-CHO에서 제안한 3개의 단위로 합성할 수 있습니다.이 유닛에는 실레 불당구 빌딩 블록 1, 단색차라이드 빌딩 블록 2, 엔드 수용자 3 개 감소 등이 포함됩니다. 매개 변수 설정의 경우 처음에는 더 엄격한 기준을 가진 매개 변수를 설정하는 것이 좋습니다. 빌딩 블록 라이브러리를 선택하려면 처음에는 실험 라이브러리를 검색하는 것이 좋습니다.이 데모를 통해, 우리는 더 중요한 글리칸, 종양 관련 탄수화물 항원과 같은, 추가 연구를 위한 1 냄비 접근에 의해 합성될 수 있기를 바랍니다. 이 절차에 따라, 탄수화물 기반 암 백신을 설계하기 위해 이러한 모든 항원의 합성을 수행 할 수 있습니다. 또한 인공 지능과 컴퓨터 알고리즘이 질병 치료 및 예방에 도움이 되는 자동 글리칸 합성을 용이하게 할 수 있기를 바랍니다.

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

Research

연구

JoVE Journal

Chemistry

화학

이 문서에서는 높은 처리량 방법은 항원 제시 세포의 특정 수용체​​를 타겟에 더 이상 사용할 수 polyanhydride의 nanoparticles의 표면에 oligosaccharides과 첨부 파일의 합성을 위해 제공됩니다.

Polyanhydride의 Nanoparticles의 높은 처리량 탄수화물의 합성과 작용화

우리는 소규모로 미생물 외다당류의 식별 및 특성화를 위한 자동화된 모듈식 고처리량 방법을 제시합니다. 이 방법은 빠른 사전 선택을 결합하여 분비된 다당류의 총량을 상세한 탄수화물 지문과 결합하여 새로 분리된 박테리아 균주 또는 전체 균주 수집을 빠르게 스크리닝할 수 있습니다.

자동화 모​​듈 높은 처리량 엑소 폴리 사카 라이드 심사 플랫폼은 매우 민감한 탄수화물 지문 분석과 결합

트레할로스 유사체는 바이오(테크노)논리 및 생물 의학 응용 분야에서 중요한 분자로 부상하고 있습니다. 트레할로스 유사체를 효소로 합성하고 정제하기 위한 최적화된 프로토콜은 간단하고 효율적이며 빠르고 환경 친화적입니다. 마이코박테리아 검출을 위한 프로브의 신속한 생산 및 관리에 대한 적용이 입증되었습니다.

빠른 한 단계 효소 합성 및 트레 할로 오스 유사체의 모든 수계 정화

Glycan microarray를 개발 하 고 광범위 하 게 항 체를 중화 하는 HIV의 프로 파일링에 대 한 사용 설명 되는 산화 알루미늄 코팅 유리에 첨부 파일에 대 한 N-glycans의 합성에 모듈 접근 (ACG 슬라이드) 슬라이드.

N-glycans 배열 개발 및 HIV 항 체의 항 암 치료 효소 합성 프로 파일링

이 기사는 C2'- O 위치에서 변형 된 RNA의 dodecamer의 고체상 합성, 정제 및 특성화에 대한 자세한 절차를 제공합니다. UV-vis 및 원 편광 이색 광도 분석을 사용하여 구조적 측면, 즉 단일 가닥 또는 이중 가닥을 정량화하고 특성을 분석합니다.

2&#39;- 포스 핀 올리고 뉴클레오타이드를 함유하는 올리고머의 고상 합성을위한 프로토콜<em&gt; O</em&gt; 원형 이색 성을 통한 - 티오 페닐 메틸 변형 및 특성 분석

2-azido-1-질 산-에스테 르는 해당 2-azido-1-trichloroacetimidate 한 냄비 절차에서를 변환할 수 있습니다. 원고의 목표 탄수화물 합성에 전자 레인지 원자로의 유틸리티를 설명 하는 것입니다.

한 냄비 전자 렌지를 이용한 변환 Anomeric 질 산 에스테 르의 Trichloroacetimidates

여기, 우리 제시이 당 nucleosides의 합성에 대 한 프로토콜을 통해 ribonucleosides의 regioselective Oglycosylation에 의해의 임시 보호 그들의 2', 3'-diol moieties 주기적 boronic 에스테 르를 이용 하 여. 이 메서드는 아데노신, guanosine, cytidine, uridine, 5-methyluridine, 5-fluorouridine을 주고 해당이 당 nucleosides 등 여러 보호 nucleosides에 적용 됩니다.

Regioselective O-Glycosylation Nucleosides 통해 는 임시 2', 3'-Diol 보호 Boronic 에스테 르에 의해이 당 Nucleosides의 합성에 대 한의

정보 부호화 된 펩토이드 올리고머의 합성과 동적 공유 반응체 쌍 및 루이스 산성 희토류로 아민과 알데히드를 사용하여 분자 사다리로 이러한 펩토이드의 시퀀스 지시자가 조립하기 위한 프로토콜이 제시됩니다. 다중 역할 시약으로 금속 triflates.

정보 베어링 펩토이드의 합성과 시퀀스 지향 동적 공유자 자체 조립

이 프로토콜의 목표는 골든 게이트 복제를 기반으로 모듈형 복제 시스템을 사용하여 다중 유전자 구조를 조립하기위한 상세한 단계별 가이드를 제공하는 것입니다. 또한 우리의 경험을 바탕으로 최적의 어셈블리를 보장하기 위한 중요한 단계에 대한 권장 사항을 제공합니다.

모듈형 골든 게이트 복제를 사용하여 다중 유전자 구조물의 신속한 조립

의도적으로 설계 금속 - 유기 골격 물질의 합성, 활성화 및 특성은 빌딩 블록 (building block)이 호환되지 않거나 원치 않는 형체가 열역학적으로 원하는 형태를 통해 선호하는 아르 특히, 도전이다. 우리는 초 임계 CO 2 건조를 통해 모세 혈관 및 활성화 용매를 이용한 링커 교환, 분말 X-선 회절의 응용 프로그램은 이러한 문제의 일부를 해결할 수있는 방법에 대해 설명합니다.

기능화의 합성 및 특성 금속 - 유기 프레임 워크

배우세요 Auto-CHO 소프트웨어를 활용한 계층적 올리고사카라이드 합성 방법을. 머신러닝 기반 상대 반응성 값 예측과 원팟 글리코실화 실험을 통해 복잡한 글리칸 합성을 효율적으로 수행할 수 있습니다.

계층적 및 프로그래밍 가능한 원팟 올리고사카라이드 합성

더 많은 동영상 탐색