古菌DNA聚合酶的克隆、表达、纯化、性质鉴定及改良

来源 :长春理工大学 | 被引量 : 0次 | 上传用户:ytdpg
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
DNA聚合酶是普遍存在于生物体内执行DNA复制的关键酶。随着分子生物技术的飞速发展,越来越多的DNA聚合酶被发现并逐渐应用于包括PCR、定点诱变、高通量测序在内的生物学研究。在众多的DNA聚合酶中,来自B族的古菌DNA聚合酶因为具有良好的热稳定性、超群的保真性、一定的可加工性而受到越来越多研究者的欢迎。本文所研究的来自超嗜热古菌Thermococcus kodakarensis的KOD DNA聚合酶就属于这一家族,但市售的KOD DNA聚合酶产品大多来自于国外的公司,受到进口和专利等限制,价格较为昂贵。因此,开发出一种具有优良特性且价格有优势的KOD DNA聚合酶就显得尤为重要。本文利用Escherichia coli重组表达了KOD DNA聚合酶并对其生物活性进行了表征;同时通过定点突变的方法构建了KOD DNA聚合酶突变体,也对其生物活性进行表征;对重组KOD DNA聚合酶在PCR的应用过程中,通过添加了解旋酶或分子伴侣素的方法,构建PCR复合酶体系,针对PCR反应特异性、储存稳定性、损伤修复性进行研究,研究结果表明:在E.coli中表达出的重组KOD DNA聚合酶浓度最高可达5.436 mg/m L,纯度在90%以上,5’-3’聚合酶活力(比活)为1.02×104 U/mg,具有良好的3’-5’外切酶活性,能较好的以质粒为模板进行扩增,保真度在1.60×10-5左右;重组表达的KOD DNA聚合酶突变体L608P并未获得有效的生物活性;分别在PCR反应过程中添加了DNA解旋酶TK-Upf1及TTE0604,非特异性条带减少或消失,PCR反应的特异性得到提高;添加分子伴侣素Cpk A及Cpk B可使KOD DNA聚合酶在低温条件下的稳定期得到延长;此外Cpk A及Cpk B可一定程度修复损伤失活的重组KOD DNA聚合酶,其中Cpk A的修复率为57.5%,Cpk B的修复率为35.8%。本文研究结果对KOD DNA聚合酶的基础研究及应用开发提供了新的研究思路和实验依据。
其他文献
长生生物“毒疫苗”、“阴阳合同”等事件的发生,说明企业为了达到经济利益最大化的目的损害了利益相关者的利益,促使整个社会开始意识到企业履行社会责任的重要性与必要性。
2008年8月,中国开通第一条高铁“京津城际铁路”,并在八年内实现了“八纵八横”高速铁路网格局的建造。伴随着中国高铁的一再提速以及“一带一路”倡议的提出,中国经济的发展
近年来,伴随着微电子和多媒体技术的高速发展,数字图像压缩编码技术在可植入式医疗设备、无线传感网络设备、微型传感器等资源受限的领域中有着越来越广泛的应用。在条件有限
作为适用于组装超级电容器的电解质,凝胶聚合物电解质的性能与超级电容器储能性能的发挥有着紧密联系,然而此前文献中报道中的凝胶聚合物电解质存在离子电导率低、与电极材料匹配性差及固态超级电容器比容量小等缺点。针对这些问题,此论文结合电化学双电层电容和法拉第赝电容的特点,以提高凝胶聚合物电解质的离子电导率、增加超级电容器的比容量和循环稳定性为目的,(1)制备氧化石墨烯(GO)改性的聚乙烯醇-硫酸钠-钼酸钠
水杨酸(salicylic acid,SA)又称邻羟基苯甲酸,在植物逆境中作为重要的免疫信号分子被广泛研究。近年来研究发现,外源添加SA影响植物的生长、代谢。灵芝作为大型药用真菌,富含
由于相变材料在数据通讯,信号处理以及存储等方面有着潜在的应用价值,所以引起了人们的极大关注。通常相变的发生都伴随着一些物理性质的变化。为了寻找新的相变材料,我们合
近年来,单原子催化剂这一类具有亚纳米结构的材料引起了催化科学领域广泛的研究兴趣。作为一种特殊的负载型金属催化剂,单原子催化剂载体上的所有金属组分均以单分散的形式存
因核能的利用与发展,锕系元素开始进入人们的视野,如今已经进入许多其他的研究领域,比如催化化学、配位化学等领域。核燃料的循环过程涉及很多重要的物理化学过程。研究锕系
加征关税的目的是向被加征关税国施加压力,迫使其改变现有的对外贸易政策。关税保护在全球价值链中的整体经济效应很难预测,微观层面上看,加征关税将使得一些上市企业因出口
入侵检测系统是网络安全防护的一个重要环节,其性能的好坏直接关系着网络的正常运行。随着互联网技术的不断发展,网络拓补结构越来越复杂,随之产生的入侵数据特征也愈加复杂,网络环境更加复杂多变,给入侵检测系统带来了巨大的挑战。因此,研究高效处理海量的入侵数据,适应复杂多变的网络环境的入侵检测方法至关重要。深度学习理论的提出弥补了传统入侵检测方法在高维特征处理上的不足,其强大的特征学习能力比传统的方法更适合