重组大肠杆菌几丁质酶的诱导表达、酶学性质及其应用研究

来源 :湖北工业大学 | 被引量 : 0次 | 上传用户:speed07
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
几丁质,作为自然界唯一大量存在的碱性多糖,是继蛋白质、碳水化合物、脂肪、纤维素和矿物质五大生命要素后的第六生命要素。N-乙酰氨基葡萄糖及几丁寡糖作为几丁质水解产物可广泛应用在食品、环境、化工、医药等许多领域,且需求量日益加大。本文将Lactococus lactis ssp.lactis IL1403菌株中的几丁质酶基因与表达载体pETM-11连接,构建大肠杆菌工程菌,表达、分离纯化重组蛋白LlChi18A,并研究其酶学性质及产物,利用该酶降解废菌丝体制备几丁寡糖。具体研究内容与结果如下:(1)重组E.coli BL21(DE3)/pETM-LlChi18A的诱导条件经优化得到最佳诱导温度为25℃,诱导时间为12 h,IPTG诱导剂的终浓度为0.05 mmol/L,在该诱导表达条件下,表达出的几丁质酶LlChi18A分子量约54 KDa,且该蛋白部分可溶。(2)对LlChi18A重组蛋白的酶活性质研究表明:其最适pH 3.8左右,最适温度37℃左右;当浓度为10 mmol·L-1时,金属离子Zn2+、Cu2+、Co2+和Mn2+强烈抑制几丁质酶的活性。同时,Ni2+的浓度在5和10 mmol·L-1时强烈抑制几丁质酶的活性;随EDTA浓度的降低,几丁质酶的活性逐渐升高;1 mmol·L-1Na+、Mg2+和5 mmol·L-1 Ba2+、Li+对几丁质酶的活性有促进作用。其他金属离子(Ca2+、K+)对酶活性的影响的较弱。(3)以胶体几丁质为底物时,几丁质酶LlChi18A的最适温度为40℃;最适pH为5,Km和Vmax分别为2.913mg·mL-1和2.836μmol·min-1·mg-1。以水溶性壳聚糖为底物时,几丁质酶LlChi18A的最适温度为60℃;最适pH为7,Km和Vmax值分别为4.04 mg·mL-1和222.2μmol·min-1·mg-1,降解作用较强,降解速率较快,温度稳定性较好。Ni2+、Mg2+、Ca2+、Zn2+对胶体几丁质的降解有明显的促进作用。但对水溶性壳聚糖的降解没有促进作用,且Ni2+和Zn2+有一定的抑制作用。Tween-80对降解胶体几丁质起一定的促进作用,而不同浓度SDS对酶的活性有抑制作用,且浓度越高抑制作用越强。(4)对降解产物进行分析知该酶为内切几丁质酶,胶体几丁质的产物主要为几丁二糖和单糖,而对水溶性壳聚糖的降解产物除单糖、几丁二糖外,还存在其他单元结构的甲壳寡糖。(5)以几丁质酶和蜗牛酶的协同降解,将废菌丝体中的几丁质直接降解为几丁寡糖,反应4天的产率为33.5%。随着反应时间的增加,其几丁寡糖的产率将有所提高。
其他文献
近年来,生物质炭作为一类重要的碳质材料,因其生产成本低、对环境友好、改良效果佳,其在土壤中的应用也受到了越来越多的关注。蚯蚓作为土壤中生物量最大的动物类群之一,能够
随着基础建设的大规模开展,工程中土石混合体日益增多,且填方高度不断突破,其中以堆石坝发展最为迅猛。填筑体变形控制是保证填方工程安全的关键环节,因而变形计算非常重要。
稻瘟病是水稻的重大病害之一,危害范围广且难以防治,对水稻生产造成严重威胁。MicroRNA(miRNA)作为一类非编码RNA,长度为20-24nt,其参与植物的生长发育,生物胁迫及非生物胁迫
叶片是水稻进行光合作用的主要场所,水稻卷叶可以使叶片更直立从而增加群体透光率。卷叶被认为是水稻理想株型育种中重要的一环,挖掘卷叶基因并将卷叶性状引进到优良的水稻品
全固态锂电池具有能量密度大、循环寿命长、安全性好等优点,有望在电动汽车、轨道交通、储能、航空航天等领域发挥重要应用。固体电解质(固态电解质)材料是固态锂电池的核心材
散货船配载仪所包含的最重要算法之一就是船舶浮态和稳性的计算。为提高计算精度,本文基于船舶的三维型体数据,对存在多个环的横剖面进行了融合来进行稳性计算方法,在保证了
地震时,基岩断层错动诱发近断层隧道结构变形破坏,影响隧道安全运行和正常使用,而相关隧道破坏机制和设防措施缺少系统研究。本文基于正断层错动诱发上覆砂土层中隧道变形破
浅层气广泛存在于我国东海和南海陆架片区。在波浪荷载作用下,含气沉积物海床土体的孔隙水压力产生振荡并增长,海床土体的有效应力降低,波浪荷载甚至会诱导海床发生液化、结
我国民用建筑能耗占我国总能耗呈逐年增加的趋势,暖通空调能耗占民用建筑总能耗的50%以上,其中非透明外围护结构传热能耗是暖通空调能耗中重要的组成部分。太阳辐射强度是影
最近邻检索是计算机视觉、数据挖掘、机器学习等领域的一个基本问题。随着互联网数据的爆炸性增长,海量高维数据的最近邻检索问题已成为挑战。传统的基于树形结构的最近邻检索方法在面对海量高维数据时表现乏力,而基于哈希表示的最近邻检索方法凭借其高效的压缩存储和快速的检索速度,已经成为解决海量高维数据相似性搜索问题最有效的方法之一。但是,哈希表示的最近邻检索方法存在两个问题:第一是数据通常会被多个哈希函数映射为