تکامل مصنوعی با استفاده از روشdna شافلینگ
Authors
abstract
بهبود فعالیت آنزیم ها از طریق تکامل مستقیم (directed evolution) یکی از اهداف مهم در بیوتکنولوژی است. با توجه به اینکه با گذشت سه بیلیون سال از تکامل طبیعی هنوز برخی از کاتالیزورهای پروتئینی برای اهداف خاص بهینه نشده اند. استفاده از روش های تکامل مصنوعی از جمله dna shuffling روشی مناسب برای مهندسی پروتئین ها می باشد. این روش از فرآیند تکامل طبیعی تقلید نموده و از سرعت بالایی برخوردار است. در روش dna شافلینگ، که تحت عنوان اصلاح مولکولی نیز شناخته می شود، قطعات dna والدینی (ژن های مشابه از یک گونه و یا گونه های مختلف) از طریق تیمار با آنزیم اندونوکلئاز (عموماً dnasei) هضم می شوند و برای تکثیر در دستگاه pcr بدون آغازگر قرار می گیرند. هر قطعه بر اساس شباهت خود با رشته دیگر به عنوان آغازگر برای آن رشته عمل کرده و تکثیر صورت می گیرد. پس از تکرار این مراحل قطعه ژنی ایجاد می شود که حالت شیمری نسبت به والدین خود دارد. توالی های ایجاد شده در داخل ناقل های مناسب همسانه می شوند و فعالیت آنها مورد بررسی قرار می گیرد. از بین آنها همسانه هایی که فعالیت بهتری نسبت به والدین نشان می دهند انتخاب شده و می توانند به عنوان والد برای دور بعد شافلینگ استفاده شوند. بدین ترتیب با استفاده از روش dna شافلینگ می توان کتابخانه ای از توالی های جدید تهیه نمود که این توالی ها می توانند پروتئین هایی با خصوصیات مورد نظر ایجاد نمایند. این روش در شرایط آزمایشگاهی به طور موفقیت آمیزی برای بهبود فعالیت بسیاری از آنزیم ها مورد استفاده قرار گرفته و هم اکنون نیز گزارشاتی مبتنی بر استفاده از این روش در شرایط in vivo منتشر شده است. در این مقاله سعی شده است به مراحل انجام این روش و برخی کاربردهای موفقیت آمیز آن پرداخته شود
similar resources
تولید مصنوعی جریان رودخانه با استفاده از شبکههای عصبی مصنوعی
در این مطالعه قابلیت مدلهای شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می‌شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری‌های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...
full textتشخیص بهتر آپاندیسیت حاد با استفاده از هوش مصنوعی
زمینه: آپاندیسیت حاد، شایع‌ترین علت مراجعۀ بیماران با دردهای شکمی به اورژانس بیمارستان‌ها و آپاندکتومی شایع‌ترین عمل جراحی اورژانس است. با وجود ابداع روش‌های گوناگون تشخیصی، میزان آپاندکتومی غیرضروری قابل توجه است. استفاده از روش‌های هوش مصنوعی و یادگیری ماشینی می‌تواند فرآیند تشخیص و درمان را بهبود بخشد. در این پژوهش از سیستم ماشین‌بردار پشتیبان جهت کمک به تشخیص آپاندیسیت حاد با هدف افزایش صح...
full textروش نوین نشت‌یابی با استفاده از شبکههای عصبی مصنوعی
در حال حاضر هدر رفت آب به یک نگرانی جهانی تبدیل شده است. تقاضا برای آب در حال افزایش است. این مسئله مدیریت تقاضا و اصلاح الگوی مصرف را ضروری ساخته است. از مهم‌ترین روش‌های مدیریت مصرف، کاهش آب به حساب نیامده است. در این پژوهش یک ایده جدید برای تعیین موقعیت و مقدار نشت‌های موجود در شبکههای توزیع آب با استفاده از شبکههای عصبی معرفی شد. در این روش با تول...
full textمدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...
full textMy Resources
Save resource for easier access later
Journal title:
genetics in the 3rd millenniumجلد ۱۲، شماره ۳، صفحات ۳۷۰۴-۳۷۱۳
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023