文献

J-GLOBAL ID：202202263947342673   整理番号：22A0975547

evSeq:蛋白質ライブラリーにおけるすべての変異体の費用効果的アンプリコン配列決定【JST・京大機械翻訳】

evSeq: Cost-Effective Amplicon Sequencing of Every Variant in a Protein Library

著者 (5件)： Wittmann Bruce J. (Division of Biology and Biological Engineering, California Institute of Technology, California, United States) ,  Johnston Kadina E. (Division of Biology and Biological Engineering, California Institute of Technology, California, United States) ,  Almhjell Patrick J. (Division of Chemistry and Chemical Engineering, California Institute of Technology, California, United States) ,  Arnold Frances H. (Division of Biology and Biological Engineering, California Institute of Technology, California, United States) ,  Arnold Frances H. (Division of Chemistry and Chemical Engineering, California Institute of Technology, California, United States)
資料名： ACS Synthetic Biology  (ACS Synthetic Biology)
巻： 11  号： 3  ページ： 1313-1324  発行年： 2022年 
JST資料番号： W5048A  ISSN： 2161-5063  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質配列適合データの広範な利用性は,蛋白質の生化学的理解とそれらを操作する能力の両方を革命する。残念なことに,数千の蛋白質変異体が生成され,典型的な蛋白質工学キャンペーン中の適応度のために評価されているが,ほとんどは配列決定されておらず,多くの潜在的配列適合情報が未利用である。主に,これは配列決定が多くの蛋白質工学戦略のために不要である;したがって,配列決定の付加的コストと努力は,未調整である。また,多くの低コスト配列決定戦略が開発されているとしても,それらは,しばしば,少なくともいくつかのアクセスと,配列決定または計算資源による経験を必要とし,その両方は,アクセスの障壁になる。ここでは,変異体配列決定法(evSeq)を示し,蛋白質エンジニアの低コスト配列決定を解読し,実際にはエンジニアリング生物系に興味を持たせるために,蛋白質工学のコストで,蛋白質工学キャンペーン中に生産するあらゆる変異遺伝子内の可変領域を配列決定するためのツール/標準化成分の方法および収集をデザインした。ウエットラボ成分の実行は簡単であり,実施するための配列決定経験を必要とせず,生物学研究室に典型的に利用可能な資源とサービスのみ,および既存の蛋白質工学ワークフローに純粋にスロットを当てる。evSeqデータの解析は,それに付随するソフトウェア(github.com/fhalab/evSeqで基礎,fhalab.github.io/evSeqで文書化)によって単純であり,個人ラップトップで実行でき,計算経験のないユーザにアクセスできるように設計された。低コストかつ使いやすいevSeqは,広範な蛋白質変異体配列適合データの収集を実用的にする。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 標準化 ,  アミノ酸配列 ,  遺伝子 ,  *タンパク質 ,  *突然変異体 ,  *変異 ,  結合部位 ,  ソフトウェア ,  タンパク質工学 ,  ワークフロー
準シソーラス用語： *アンプリコン ,  ローコスト ,  *費用対効果 ,  可変領域 ,  適応度 ,  計算資源 , 【Automatic Indexing@JST】

著者キーワード (4件)： 有向進化 ,  蛋白質工学 ,  機械学習 ,  次世代シークエンシング

分類 (1件)： 分子構造  (EB03020Y)

タイトルに関連する用語 (5件)： 蛋白質 ,  ライブラリー ,  変異体 ,  費用効果 ,  アンプリコン