汉坦病毒GM04-38株N-联糖基化位点在细胞融合中的作用

来源 :山东大学 | 被引量 : 0次 | 上传用户:nixijiunianzhi
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
目的N-联寡糖链可以在很多方面影响蛋白的功能。已有报道显示某些病毒融合蛋白的寡糖链缺失可使病毒的细胞融合功能缺陷或丢失。已有报道显示汉坦病毒的G2糖蛋白可能是其融合蛋白。鉴于汉坦病毒GM04-38株包膜糖蛋白G1和G2也是通过N-联糖基化作用来修饰的,本研究拟通过实验对汉坦病毒N-联糖基化位点在细胞融合中的作用进行初步探讨。从而为阐明HV的细胞融合机制、研制有效的汉坦病毒新型疫苗和治疗制剂奠定基础。方法根据GM04-38株M片段cDNA基因序列应用Primer 5软件设计引物,同源重组PCR法构建5个单个氨基酸突变的N-联糖基化位点的克隆载体。PCR扩增N-联糖基化位点突变体的编码区基因,双酶切后与经过同样双酶切的表达载体pCAGGS/MCS连接,转化大肠杆菌DH5a,氨苄青霉素筛选N-联糖基化位点单个氨基酸突变体的表达载体。经双酶切和测序证实。将真核表达质粒G1Bgl, GmG2及4个G1突变体,1个G2突变体提取后分别共转染Vero E6细胞,间接免疫荧光检测蛋白表达情况,免疫印迹实验确定糖蛋白表达情况,并经酸性MEM处理、Giemsa染色后观察细胞融合现象的发生结果1.构建了5个N-联糖基化位点单个氨基酸突变的克隆载体N134A、N235A、N347A、N399A、N928A双酶切鉴定载体长度约为2.7kb;N134A、N235A、N347A、N399A突变体长度约为2.1kb;N928A突变体长度约为1.6kb,并经测序证实。2.构建了5个N-联糖基化位点单个氨基酸突变的表达载体G1Bgl-N134A、GlBgl-N235A、GlBgl-N347A、G1Bgl-N399A、GmG2-N928A、双酶切鉴定,载体长度为4.7kb;N134A、N235A、N347A、N399A突变体目的片段长度约为2.1kb;N928A突变体目的片段长度约为1.6kb,并经测序证实。3.间接免疫荧光实验显示野毒株GlBgl与GmG2共转染组、G1Bgl及各N-联糖基化位点突变体转染组均有亮绿色荧光信号产生,呈胞浆分布。4.免疫印迹实验显示野毒株GlBgl与GmG2共转染组出现两条带,分别为68KDa和55KDa,N134A突变体转染组不显示G1条带,其余各突变体转染组均显示G1、G2两条带。5.共转染N134A-:或N928A突变体组未出现细胞融合现象,而其他突变体及野毒株GlBgl与GmG2共转染后则出现融合现象。结论G1上的134位点可能与蛋白正确折叠有密切关系,134位点突变极可能导致蛋白的错误折叠,进而无法转运出内质网。G2上的928位点对细胞融合有重要作用,提示汉坦病毒融合肽很有可能位于G2上
其他文献
在社会经济方兴未艾、持续发展过程中,人们对能源的需求也越来越高,也是日常生活与工作的必需品,特别是电力发挥着不可忽视的关键性作用.但在人们生活水平与质量的日益提升下
本文研究了应用心理的优势,并将应用心理学中的理论应用到数字媒体设计中,指导数字媒体设计的多元化发展与进步.在准确定位人的需求以及提高数字媒体设计应用广度的基础上,全
世界卫生组织于上世纪七十年代公布,全球死亡患者中有三分之一并不是死于自然疾病本身,而是死于不合理用药,将药害的严重性与普遍性开始公开于全世界人民的面前。因此,药物安全性
安全多方计算是实现隐私保护科学计算的关键技术,其思想是Yao于1982年提出来的,几十年来该方向的研究工作得到长足的发展.从安全模型建立和可行性研究、通用协议研究、具体问
在毛主席革命路线指引下。在无产阶级文化大革命的推动下,我校教育革命深入开展,教学、生产、科研三结合的新体制不断巩固和发展。广大教师、学员、工人紧密结合,以阶级斗争
江苏省淮北地区,几年来大面积推广紫云英取得了显著成效,群众对于紫云英的栽培技术已有不少的经验,同这地区习惯种植的苕子比较,二者对于气象因素,尤其是对于水分的要求迥然
本文将针对于现阶段政府应急信息化管理的现状以及其困境进行简单的分析,并针对其实际应用情况提出响应的优化措施,辅助我国政府应急管理信息化的发展与完善.
为最大限度地发挥移动计算环境下穿戴式系统的功效,接口设计必须严格地与用户任务相匹配。在建造用户行为的理想模型中,接口元素须经选择,从而满足特殊过程的特殊软硬件要求
随着信息技术的不断发展,传统医院患者看病流程冗杂,医院内部现存的管理混乱现象,已经无法适应新时代的管理要求,因此患者最先面对的医院门诊,有必要采取积极有效的手段,利用
针对传统诊断技术的局限性,研究了基于BP模型神经网络的故障诊断推理方法,它只需选择足够的具有代表性的故障样本训练神经网络,将代表故障的信息输入给训练好的神经网络,根据神经网