CN114874299B - 用于生成二氧化硅的多肽及其应用、组合物 - Google Patents

用于生成二氧化硅的多肽及其应用、组合物 Download PDF

Info

Publication number
CN114874299B
CN114874299B CN202210266470.7A CN202210266470A CN114874299B CN 114874299 B CN114874299 B CN 114874299B CN 202210266470 A CN202210266470 A CN 202210266470A CN 114874299 B CN114874299 B CN 114874299B
Authority
CN
China
Prior art keywords
polypeptide
silica
amino acid
silicon dioxide
solution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210266470.7A
Other languages
English (en)
Other versions
CN114874299A (zh
Inventor
邹慧熙
陈礼丽
徐意诚
阎秀峰
温海虹
李楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou University
Original Assignee
Wenzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wenzhou University filed Critical Wenzhou University
Priority to CN202210266470.7A priority Critical patent/CN114874299B/zh
Publication of CN114874299A publication Critical patent/CN114874299A/zh
Application granted granted Critical
Publication of CN114874299B publication Critical patent/CN114874299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/405—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from algae
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01B—NON-METALLIC ELEMENTS; COMPOUNDS THEREOF; METALLOIDS OR COMPOUNDS THEREOF NOT COVERED BY SUBCLASS C01C
    • C01B33/00—Silicon; Compounds thereof
    • C01B33/113—Silicon oxides; Hydrates thereof
    • C01B33/12—Silica; Hydrates thereof, e.g. lepidoic silicic acid
    • C01B33/18—Preparation of finely divided silica neither in sol nor in gel form; After-treatment thereof
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01P—INDEXING SCHEME RELATING TO STRUCTURAL AND PHYSICAL ASPECTS OF SOLID INORGANIC COMPOUNDS
    • C01P2004/00—Particle morphology
    • C01P2004/20—Particle morphology extending in two dimensions, e.g. plate-like
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01P—INDEXING SCHEME RELATING TO STRUCTURAL AND PHYSICAL ASPECTS OF SOLID INORGANIC COMPOUNDS
    • C01P2004/00—Particle morphology
    • C01P2004/30—Particle morphology extending in three dimensions
    • C01P2004/32—Spheres
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01P—INDEXING SCHEME RELATING TO STRUCTURAL AND PHYSICAL ASPECTS OF SOLID INORGANIC COMPOUNDS
    • C01P2004/00—Particle morphology
    • C01P2004/60—Particles characterised by their size
    • C01P2004/62—Submicrometer sized, i.e. from 0.1-1 micrometer
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01P—INDEXING SCHEME RELATING TO STRUCTURAL AND PHYSICAL ASPECTS OF SOLID INORGANIC COMPOUNDS
    • C01P2004/00—Particle morphology
    • C01P2004/60—Particles characterised by their size
    • C01P2004/64—Nanometer sized, i.e. from 1-100 nanometer

Landscapes

  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Biotechnology (AREA)
  • Engineering & Computer Science (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Inorganic Chemistry (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Medicinal Chemistry (AREA)
  • Molecular Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Peptides Or Proteins (AREA)

Abstract

本公开提供一种用于生成二氧化硅的多肽，所述多肽的氨基酸序列如SEQ ID NO.1～3任一项所示；二氧化硅前体和多肽可以快速沉淀生成二氧化硅颗粒，很大程度上提高了二氧化硅的生成速度，极大的便捷了二氧化硅的应用，生成的二氧化硅颗粒粒径随反应体系的pH值变化，可以通过调整反应体系不同pH值而获得不同粒径的二氧化硅，达到可控的量化生产，同时与R5相比，具有如SEQ ID NO.1所示的氨基酸序列的多肽在pH值为4时的沉淀效率是R5的3倍；表明该用于生成二氧化硅的多肽是一种可用于生物和工业应用的将生物分子快速固定在二氧化硅材料上的新工具。

Description

用于生成二氧化硅的多肽及其应用、组合物
技术领域
本公开涉及基因工程技术领域，尤其涉及一种用于生成二氧化硅的多肽及其应用、组合物。
背景技术
二氧化硅是极其重要的无机新材料之一，尤其是纳米级的二氧化硅由于其粒径很小，微孔多，比表面积大，表面吸附力强，表面能大，化学纯度高、分散性能好、热阻、电阻等方面具有特异的性能，以其优越的补强性、增稠性和触变性，在众多学科及科研领域内应用广泛。并且上其生物相容性和稳定性良好，可以形成有机—无机稳定的复合物，因此被广泛应用于医药载体、催化领域，工艺制造业等。
生物矿化是生物体通过生物大分子的调控生成无机矿物的过程，生物矿化的类型主要包括核酸介导的仿生矿化和多肽介导的仿生矿化两种，由于传统的二氧化硅合成方法需要极端条件，如高/低酸碱度、高温和有毒化学品，这些苛刻条件的方法不适合应用于生物分子研究以及大批量生产。
发明内容
有鉴于此，本公开的目的在于提出一种用于生成二氧化硅的多肽及其应用、组合物。
基于上述目的，本公开第一方面提供了一种用于生成二氧化硅的多肽，所述多肽的氨基酸序列如SEQ ID NO.1～3任一项所示。
基于相同目的，本公开第二方面提供了第一方面所述的多肽在生成二氧化硅中的应用。
基于相同目的，本公开第三方面提供了一种用于生成二氧化硅的组合物，包括具有如SEQ ID NO.1～3任一项所示的氨基酸序列的多肽。
从上面所述可以看出，本公开提供的用于生成二氧化硅的多肽及其应用、组合物，二氧化硅前体和多肽可以快速沉淀生成二氧化硅颗粒，很大程度上提高了二氧化硅的生成速度，极大的便捷了二氧化硅的应用，生成的二氧化硅颗粒粒径随反应体系的pH值变化，可以通过调整反应体系不同pH值而获得不同粒径的二氧化硅，达到可控的量化生产，同时与R5相比，具有如SEQ ID NO.1所示的氨基酸序列的多肽在pH值为4时的沉淀效率是R5的3倍；表明该用于生成二氧化硅的多肽是一种可用于生物和工业应用的将生物分子快速固定在二氧化硅材料上的新工具。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1(a)～1(c)为本公开实施例提供的SfuSFP1、SfuSFP2、SfuSFP3的典型溶液结构、模拟过程中的RMSD和自由能形貌；
图2为本公开实施例提供的SfuSFP1、SfuSFP2、SfuSFP3、R5的表面静电势分析；
图3为本公开实施例提供的SfuSFP1、SfuSFP2、SfuSFP3、R5的基于半经验动力学模拟结束时平衡结构的氢键可视化分析；
图4为本公开实施例提供的SfuSFP1、SfuSFP2、SfuSFP3、R5的水溶液中半经验动力学模拟结束时平衡结构基于IGMH方法的弱相互作用可视化分析；
图5为本公开实施例提供的GFN2-xTB水平下考虑玻尔兹曼分布的不同氨基酸残基在不同pH环境下的描述符值；
图6为本公开实施例提供的不同氨基酸在不同pH情况下sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构结合能及其能量分解情况示意图；
图7为本公开实施例提供的与Glu相比，不同氨基酸在不同pH情况下sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构的相对能量示意图；
图8为本公开实施例提供的二氧化硅标准曲线；
图9为本公开实施例提供的不同pH下R5、SfuSFP1、SfuSFP2和SfuSFP3矿化沉淀二氧化硅的量；
图10为本公开实施例提供的在pH4时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；
图11为本公开实施例提供的在pH5时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；
图12为本公开实施例提供的在pH6时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；
图13为本公开实施例提供的在pH7时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；
图14为本公开实施例提供的在pH8时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本文所使用的术语“和/或”、“或/和”、“及/或”的可选范围包括两个或两个以上相关所列项目中任一个项目，也包括相关所列项目的任意的和所有的组合，所述任意的和所有的组合包括任意的两个相关所列项目、任意的更多个相关所列项目、或者全部相关所列项目的组合。
本发明中，以开放式描述的技术特征中，包括所列举特征组成的封闭式技术方案，也包括包含所列举特征的开放式技术方案。
本发明中，涉及到数值区间，如无特别说明，上述数值区间内视为连续，且包括该范围的最小值及最大值，以及这种最小值与最大值之间的每一个值。进一步地，当范围是指整数时，包括该范围的最小值与最大值之间的每一个整数。此外，当提供多个范围描述特征或特性时，可以合并该范围。换言之，除非另有指明，否则本文中所公开之所有范围应理解为包括其中所归入的任何及所有的子范围。
本发明中的温度参数，如无特别限定，既允许为恒温处理，也允许在一定温度区间内进行处理。所述的恒温处理允许温度在仪器控制的精度范围内进行波动。
生物矿化(Biomineralization)是自然界中的一种普遍现象，广泛存在于单细胞植物硅藻、多细胞生物体海绵、细菌、贝壳，以及包括人类在内的高级哺乳动物之中，也称为强制矿化，因为已知强制矿化是由多种生物体进行的，包括在一系列嗜冷、嗜热、厌氧、嗜碱、嗜酸和嗜盐条件下，以及在金属离子浓度非常高或有毒的环境中的聚外排亲菌。生物矿化对地球上的生命至关重要。在生物矿化的所有阶段，有机物和无机物之间的界面上的物理化学相互作用的微妙平衡类似于一个极其复杂的过程。
二氧化硅是极其重要的无机新材料之一，尤其是纳米级的二氧化硅由于其粒径很小，微孔多，比表面积大，表面吸附力强，表面能大，化学纯度高、分散性能好、热阻、电阻等方面具有特异的性能，以其优越的补强性、增稠性和触变性，在众多学科及科研领域内应用广泛。并且上其生物相容性和稳定性良好，可以形成有机—无机稳定的复合物，因此被广泛应用于医药载体、催化领域，工艺制造业等。
生物矿化是生物体通过生物大分子的调控生成无机矿物的过程，生物矿化的类型主要包括核酸介导的仿生矿化和多肽介导的仿生矿化两种，最普遍的硅形成蛋白(SilicaForming Protein，SFP)是一类可以在体外沉淀SiO2的亲硅蛋白，在较窄pH范围内(6≤pH≤8)介导仿生硅化，而且对磷酸根有很强依赖性。
目前，将这种蛋白质调控生物无机晶体的成核、生长、晶形及取向等这个相当复杂的过程，被认为是有机—无机界面的分子识别机制的过程，主要包括：氢键、静电相互作用及电荷的富集等等。一般认为是在富含磷酸根粒子的环境中蛋白质中的一级结构进行静电相互作用，从而导致二级结构的变化，控制二氧化硅的沉淀。
由于传统的二氧化硅合成方法需要极端条件，如高/低酸碱度、高温和有毒化学品，这些苛刻条件的方法不适合应用于生物分子研究以及大批量生产。
为了解决上述问题，本公开提供了一种用于生成二氧化硅的多肽，所述多肽的氨基酸序列如SEQ ID NO.1～3任一项所示。
该用于生成二氧化硅的多肽位于羊栖菜蛋白LOV-域上，可以将具有SEQ ID NO.1所示的氨基酸序列的多肽命名为SfuSFP1、将具有SEQ ID NO.2所示的氨基酸序列的多肽命名为SfuSFP2、将具有SEQ ID NO.3所示的氨基酸序列的多肽命名为SfuSFP3。
SfuSFP1的氨基酸序列为Ser Ser Arg Trp Lys Ser Arg Gly Phe Gly Gly SerSer Ser Ser Ile Pro Arg Ser Arg Lys(SEQ ID NO.1)，SfuSFP1的分子量为2295.55Da，当pH＝7时，净电荷为4.83，等电点为12.78。
SfuSFP2的氨基酸序列为Ser Ser Asp Ser Gly Glu Asp Thr Ala Asp Thr LysPro Asn Ile Tyr Ser(SEQ ID NO.2)，SfuSFP2的分子量为1786.78Da，当pH＝7时，净电荷为-3.16，等电点为3.39.
SfuSFP3的氨基酸序列为Arg Met Gly Arg Ser Gly Ser Leu Gly Ser Ser GluSer Ala Ser Arg Val Val Asp Arg Leu Arg(SEQ ID NO.3)，SfuSFP3的分子量为2363.64Da，当pH＝7时，净电荷为2.84，等电点为12.12。
需要说明的是，生成二氧化硅是指多肽与硅前体在适宜条件下发生作用，由硅前体生成二氧化硅，多肽用于生成二氧化硅也可以称为多肽用于沉淀或矿化二氧化硅。
本公开还提供了上述多肽在生成二氧化硅中的应用。
在一些实施例中，可以包括采用二氧化硅前体与上述多肽反应生成二氧化硅。二氧化硅前体和上述多肽可以快速沉淀生成二氧化硅颗粒，很大程度上提高了二氧化硅的生成速度，极大的便捷了二氧化硅的应用。
在一些实施例中，二氧化硅前体可以包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。优选，原硅酸四乙酯和原硅酸四甲酯。
在一些实施例中，采用二氧化硅前体与上述多肽生成二氧化硅时的反应体系可以包括：硅沉淀缓冲液、上述多肽形成的多肽溶液和二氧化硅前体形成的二氧化硅前体溶液。例如，可以将上述多肽溶于ddH2O中形成多肽溶液，可以采用HCl稀释二氧化硅前体的原液形成二氧化硅前体溶液。
在一些实施例中，硅沉淀缓冲液可以包括磷酸盐缓冲液、盐酸-巴比妥钠缓冲液和柠檬酸磷酸盐缓冲液中的至少一种；优选为磷酸盐缓冲液。
具体地，当采用磷酸盐缓冲液作为硅沉淀缓冲液时，其pH值可以为4～8；例如，可以为4、4.5、5、5.5、6、6.5、7、7.5或8等，具体不做限定。
当采用盐酸-巴比妥钠缓冲液作为硅沉淀缓冲液时，其pH值可以为7～9.6；例如，可以为7、7.5、8、8.5、9或9.6等，具体不做限定。
当采用柠檬酸磷酸盐缓冲液作为硅沉淀缓冲液时，其pH值可以为7。
在一些实施例中，多肽溶液的浓度可以为5mg/mL～15mg/mL；例如，可以为5mg/mL、6mg/mL、7mg/mL、8mg/mL、9mg/mL、10mg/mL、11mg/mL、12mg/mL、13mg/mL、14mg/mL或15mg/mL等；优选为10mg/mL。
在一些实施例中，二氧化硅前体溶液的浓度可以为1M/L。
在一些实施例中，多肽溶液和二氧化硅前体溶液的体积比可以为1:1。
在一些实施例中，反应温度可以为20～25℃；例如，可以为20℃、21℃、22℃、23℃、24℃或25℃等，优选为22℃。
在一些实施例中，反应时间可以为5min。
本公开还提供了一种用于生成二氧化硅的组合物，可以包括具有如SEQ ID NO.1～3任一项所示的氨基酸序列的多肽。
在一些实施例中，该组合物还可以包括二氧化硅前体。
在一些实施例中，二氧化硅前体可以包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。
下述结合具体实施例对本公开作进一步详细的说明。
实施例1.多肽序列获得和结构预测
1.多肽序列获得-NCBI数据库
在羊栖菜蛋白库中比对和分析，发现羊栖菜蛋白LOV-域上的3段序列，分别命名为SfuSFP1、SfuSFP2和SfuSFP3。
2.SfuSFPs多肽信息
SfuSFP1的氨基酸序列为Ser Ser Arg Trp Lys Ser Arg Gly Phe Gly Gly SerSer Ser Ser Ile Pro Arg Ser Arg Lys(SEQ ID NO.1)，SfuSFP1的分子量为2295.55Da，当pH＝7时，净电荷为4.83，等电点为12.78。
SfuSFP2的氨基酸序列为Ser Ser Asp Ser Gly Glu Asp Thr Ala Asp Thr LysPro Asn Ile Tyr Ser(SEQ ID NO.2)，SfuSFP2的分子量为1786.78Da，当pH＝7时，净电荷为-3.16，等电点为3.39.
SfuSFP3的氨基酸序列为Arg Met Gly Arg Ser Gly Ser Leu Gly Ser Ser GluSer Ala Ser Arg Val Val Asp Arg Leu Arg(SEQ ID NO.3)，SfuSFP3的分子量为2363.64Da，当pH＝7时，净电荷为2.84，等电点为12.12。
3.多肽模型构建
(1)使用Rosetta fragments picker将羊栖菜LOV-域上的原多肽分为每三个残基一组和每9个残基一组的氨基酸片段。
(2)使用Rosetta fragment Vall Database对上述取得的多肽片段与数据库中的VallChunk进行匹配，一旦VallChunk满足需求(通过了VallChunkFilter过滤器的标准)，VallChunk将会被分解成连续的短肽片段库。其中的每条短肽将会被打分，评估其在提交序列中的匹配度，得分较高的短肽片段将被收集器(fragment collector)收集起来。
(3)将较高评分的多肽片段结构进行组合，并以粗粒化的方式对其进行一定优化(主要优化其主链结构)。
(4)使用Rosetta全原子力场对多肽进行全原子细化，同时优化侧链基团。
4.多肽模型的分子动力学优化
使用Rosetta构建的多肽最优模型构建动力学体系，进一步优化其结构，以期获得多肽分子在生理环境下的实际构象。
MD模拟通过使用Amber软件结合ff14SB力场进行。蛋白质系统在TIP3P水模型中溶剂化，边缘距离为
Figure BDA0003552013770000061
并通过添加合适的反离子(Na+或Cl-)中和系统(pH 7)。在进行MD模拟之前，每个系统通过2000步通过最速下降法和共轭梯度法进行最小化。然后使用朗之万动力学进行温度控制和氢原子约束的SHAKE算法，进行NPT(恒定原子数、压力和温度)模拟，以将系统从0加热到300K。MD模拟运行100ns，时间步长设置为2fs。
使用脚本选取动力学模拟过程中的最低能量结构作为多肽分子在水溶液中的典型结构，进行后续吸附模拟体系的构建。结果如图1(a)～1(c)所示。
参照图1，图1(a)中A为SfuSFP1的典型溶液结构，B为SfuSFP1模拟过程中的RMSD，C为SfuSFP1的自由能形貌；由图1(a)可知，SfuSFP1中的大多数残基表现出线性拉伸，12～16的残基形成稳定的α螺旋结构，Arg12和Asp11形成稳定的分子内氢键，使多肽链形成角结构Arg9的胍基和His15的咪唑基形成稳定的Pi-Pi共轭。
图1(b)中A为SfuSFP2的典型溶液结构，B为SfuSFP2模拟过程中的RMSD，C为SfuSFP2的自由能形貌；由图1(b)可知，SfuSFP2的所有残基均未形成稳定的二级结构，Ser5羟基与Arg8胍之间形成稳定的氢键，Glu7的羧基与His9的咪唑基团之间存在强烈的静电相互作用，逆转了多肽的构象。
图1(c)中A为SfuSFP3的典型溶液结构，B为SfuSFP3模拟过程中的RMSD，C为SfuSFP3的自由能形貌；由图1(b)可知，在SfuSFP3中，Glu3到Ser6中形成310螺旋段，Arg7到Asp10段形成稳定的β转角。氢键网络比SfuSFP1和SfuSFP2复杂得多。由Ser2和Ala5的酰胺面上的氨基，Ser6取代基团上的羟基，Ser4的羰基和Arg7酰胺平面上的氨基氢形成的氢键稳定了310螺旋结构。由Arg7的胍基和Asp10的羧基形成的氢键以静电相互作用为主，平面上的Val9酰胺羰基和Arg11酰胺平面上的氨基有助于肽构象的逆转，使SfuSFP3形成稳定的β转角。
5.SfuSFPs多肽合成
SfuSFP1、SfuSFP2、SfuSFP3由金斯瑞生物科技有限公司合成，纯度≥98％，总量为28mg。
实施例2.评估SfuSFPs多肽对原硅酸分子亲和性的理论计算方法
需要说明的是，本实施例中选用硅藻sil1的多肽R5作为对照。多肽R5的氨基酸序列为Ser Ser Lys Lys Ser Gly Ser Tyr Ser Gly Ser Lys Gly Ser Lys Arg Arg IleLeu(SEQ ID NO.4)。
1.半经验量子化学水平的吸附模拟
物理吸附过程的模拟主要是对各种非共价体系中的弱相互作用进行计算，但是在分子力场中对弱相互作用特别是色散作用和诱导作用基本不能在分子力场中常见的描述范德华相互作用的L-J势和Moorse势中体现。但是300～400个原子组成的吸附体系的ps级动力学模拟即使对于B97-3c这样的“低成本”电子结构方法来说也过于庞大，因此，采用了半经验方法对体系进行吸附过程的动力学模拟。
(1)使用PACKMOL程序构建一个包含多肽和5个原硅酸分子的
Figure BDA0003552013770000071
的方盒，其中多肽分子居中，5个多肽分子随机分布。
(2)使用XTB-6.4.0在GFN2-xTB水平下直接进行50ps动力学模拟，温度设置为298.15K，步长设置为1.0fs，使用ALPB隐式溶剂模型，将与氢有关的化学键距离都用SHAKE算法约束住。
(3)将得到的动力学结束时的构象再进行GFN2-xTB水平下使用ALPB隐式溶剂模型的几何优化使得构象更加合理。
(4)将优化后的构象输入ORCA 5.0在B97-3c水平下使用SMD隐式水溶剂模型进行结合能计算。
得到的波函数使用Multiwfn 3.8dev进行IGMH弱相互作用分析，将分析结果导出至VMD 1.9.4进行可视化。
2.分子描述符的构建与机理解释
量子化学分子描述符能够在不做实际实验同时也不进行大量计算的情况下，由一些经验参数和分子固有的相关物理性质对分子的某些特性进行一定程度上的描述。由于亲硅多肽的多样性，因此能够构建一个硅亲和分子描述符，用以大致描述不同亲硅多肽对原硅酸分子的吸附能力，建立高通量的筛选模型。
(1)使用XTB-6.4.0和CREST对氨基酸分子和原硅酸分子进行iMTD-GC构象搜索。首先从给定的输入结构创建一个文件并对z矩阵(ZSORT)进行排序，然后确定MTD模拟的长度并启动MTD模拟，对MTD产生的所有结构按能量进行排序。
(2)在GFN2-xTB水平下对所有得到的结构进行几何优化。
(3)使用Molclus对几何优化后的所有结构进行筛选去除能量差距在0.5kcal/mol内或者结构差距在0.5A以内的结构。对筛选后的所有结构进行排序，并计算其在298.15K的玻尔兹曼分布。
(4)使用PACKMOL创建包含一个原硅酸分子和一个氨基酸分子的体系。
(5)使用XTB-6.4.0和CREST对原硅酸分子和氨基酸分子构成的非共价复合物体系进行采样，以找到非共价结合复合物的不同构象，并对构象按能量进行排序。
(6)在GFN2-xTB水平下对所有得到的非共价复合物进行几何优化。
(7)使用Molclus对几何优化后的所有复合物结构进行筛选去除能量差距在0.5kcal/mol内或者结构差距在0.5A以内的结构。对筛选后的所有结构进行排序，并计算其在298.15K的玻尔兹曼分布。
(8)根据氨基酸、原硅酸在单体和非共价复合物状态下的能量差值计算出其形成非共价复合物的平均结合能。将每个氨基酸的平均结合能减去Gly与原硅酸分子的结合能作为其分子描述值。
(9)在非共价复合物的不同构象中选择最低能量的构象使用ORCA 5.0在BLYP泛函def2-SVP水平下进行进一步优化。
进一步优化后使用PSI4 v1.3.1进行SAPT能量分解选择sSAPT0/jun-cc-pVDZ计算机别。其中，sSAPT0代表scaled SAPT0，是对SAPT0的交换项的经验校正版本，耗时和SAPT0相同，但结合jun-cc-pVDZ时由于误差抵消较好的原因，有明显更好的精度。结果如图2～7和表1～8所示。
图2为SfuSFP1、SfuSFP2、SfuSFP3、R5的表面静电势分析；图3为SfuSFP1、SfuSFP2、SfuSFP3、R5的基于半经验动力学模拟结束时平衡结构的氢键可视化分析；图4为SfuSFP1、SfuSFP2、SfuSFP3、R5的水溶液中半经验动力学模拟结束时平衡结构基于IGMH方法的弱相互作用可视化分析。
参照图3和图4可知，不同的多肽都与原硅酸分子形成了复杂的氢键网络，但是具体相结合的氨基酸残基有所不同。在R5多肽的体系中主要是由Arg和Lys提供氢键供体，只有少量的氢键由Ser和主链的羰基提供，因此在氢键的结合过程中主要依靠静电相互作用吸引水溶液中的原硅酸分子。
在SfuSFP1多肽体系中，氢键供体主要是由多肽主链的羰基和Ser的羟基提供，只有2个氢键与Arg和N端的氨基有关，在这种氢键形成过程中主要由色散力驱动，因此SfuSFP1多肽对pH值有较广泛的适应性。
对于SfuSFP2多肽体系来说，氢键供体较为多样化，有Asn的氨基，Lys的氨基，主链的羰基，Tyr，Ser的羟基，Glu，Asp的羧基等，静电作用、色散作用都起到了重要的作用，在酸性情况下虽然静电相互作用减弱但是色散作用得到了很大的加强，因此类似SfuSFP2的多肽会在酸性情况下有更好的性能表现。
在SfuSFP3多肽的体系中，由于存在大量的Arg由于π-π相互作用聚集在一起，对原硅酸分子形成了很强的静电吸引，而且这种静电相互作用不仅与pH有关，也与离域的π电子有关，因此相比于单纯的Lys的静电相互作用与pH的关系更小。同时也有部分原硅酸分子能与多肽主链的羰基与氨基，Ser的羟基相互作用，因此静电作用、色散作用都在SfuSFP3对原硅酸分子的吸附中起到了重要的作用。
设计亲硅多肽时需要注意的是，多肽本身不能在溶液中形成稳定的二级结构，不形成二级结构的多肽能够使得侧链残基更充分的暴露在溶液中，也能使主链中的氨基和羰基更加充分的与溶液中的原硅酸分子接触，提供氢键供体。而且不形成二级结构也能有更大的溶液可及表面积，使得更充分与被吸附分子接触。
GFN2-xTB水平下氨基酸吸附原硅酸的分子描述符基于玻尔兹曼分布计算。氨基酸的分子描述符由GFN2-xTB水平下298.15k不同pH环境中的氨基酸分子与原硅酸分子水溶液中的玻尔兹曼分布的加权平均结合能作为基础，以甘氨酸的结合能为基准矫正结合能数据，得到氨基酸中不同R基团对结合的影响，其中Lys，Arg，Glu，Asp四个氨基酸因为不同pH对其R基团解离情况有明显影响，因此在不同级别的计算中都考虑了它们在pH下的具体解离情况。并且，两个不同的计算级别的分析都证实了所有的R基团对结合都有有利的影响。
图5示出GFN2-xTB水平下考虑玻尔兹曼分布的不同氨基酸残基在不同pH环境下的描述符值；表1～表4分别示出GFN2-xTB水平下考虑玻尔兹曼分布的R5、SfuSFP1、SfuSFP2、SfuSFP3在不同酸碱环境下的分子描述符值。
表1～表4分别如下所示：
表1 GFN2-xTB水平下考虑玻尔兹曼分布的R5多肽在不同酸碱环境下的分子描述符值
Figure BDA0003552013770000091
表2 GFN2-xTB水平下考虑玻尔兹曼分布的SfuSFP1多肽在不同酸碱环境下的分子描述符值
Figure BDA0003552013770000092
表3 GFN2-xTB水平下考虑玻尔兹曼分布的SfuSFP2多肽在不同酸碱环境下的分子描述符值
Figure BDA0003552013770000093
表4 GFN2-xTB水平下考虑玻尔兹曼分布的SfuSFP3多肽在不同酸碱环境下的分子描述符值
Figure BDA0003552013770000101
参照图5和表1～表4可知，从GFN2-xTB水平下考虑玻尔兹曼分布的不同氨基酸残基校正后的相对结合能即R基团对结合的相对贡献来看，对Leu来说其R基团异丙基相比于Gly来说有更好的提供范德华作用的条件，而且从静电角度异丙基也是一个较强的带正电子的基团，因此在各种环境下对原硅酸分子有较强的吸附作用。
对Trp来说因其带有一个吲哚基团能在较大范围能提供离域的π电子也有一定的给电子效应，因此对原硅酸分子也有不错的吸附效果。
对Asp/Glu来说在酸性环境下能对原硅酸分子形成很强的吸附，主要是因为在酸性环境下两个羧基都没有充分解离因此能与原硅酸分子形成很强的传统氢键。
对Asn/Gln来说，它们虽然不能和Asp/Glu一样在酸性环境下与两个未解离羧基形成3-4个氢键，但是其酰胺部分能提供一定的正电荷，一定程度上弥补了不能形成更多氢键的能量损失。
对于Lys/Arg来说，它们的R基团有明显的正电性，因此在不同情况下都能提供不错的结合能力。但是值得注意的的是这两个氨基酸在pH值较高的情况下由于其正电中心暴力更加充分，因此有着更好的结合能力。
图6示出不同氨基酸在不同pH情况下sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构结合能及其能量分解情况；图7示出与Glu相比，不同氨基酸在不pH情况下sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构的相对能量。
表5～表8分别示出R5、SfuSFP1、SfuSFP2、SfuSFP3在sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构相对能量的分子描述符。表5～表8分别如下所示：
表5 R5多肽在sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构相对能量的分子描述符
Figure BDA0003552013770000111
表6 SfuSFP1多肽在sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构相对能量的分子描述符
Figure BDA0003552013770000112
表7 SfuSFP2多肽在sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构相对能量的分子描述符
Figure BDA0003552013770000113
表8 SfuSFP3多肽在sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构相对能量的分子描述符
Figure BDA0003552013770000114
由图6、图7及表5～8可知：对于sSAPT0/jun-cc-pVDZ水平下的基于氨基酸-原硅酸分子非共价二聚体典型结构结合能的计算也证实了在GFN2-xTB水平的计算中，预测的氨基酸中所有的R基团都有利于原硅酸分子和氨基酸分子的结合。
对于Ala，Val，Leu，Ile的R基团为脂肪族的氨基酸来说，它们之间的差异并不大，不论是总能量还是能量分解项，因此，在整多肽的吸附能中只占了很小比例。
对Phe，Trp，Tyr来说，因其R基团中都含有一个芳香基团，因此在垂直方向和平行方向上都能提供离域的π电子，从能量分解上来看，与几个R基团为烷基的氨基酸相比，芳香族氨基酸能量分解项中的Dispersion明显更加有利于结合，在芳香基团与原硅酸分子的四价Si原子的相互作用与阳离子-π相互作用非常类似，四价Si原子强烈极化π轨道中的电子，从而产生相当强烈的色散相互作用。这种极化非常重要，以至于当四价Si原子和苯放置在同一平面上时，它们会相互吸引，但是如果仅考虑静电相互作用就会得出相反的结论。同时芳香基团也会在一定程度上激活羧基基团，使其负电荷中心进一步外移因此形成了更强的氢键，所以在Electrostatics项也有一定加强，此外在Induction项中Trp与Phe和Tyr相比有明显的降低，因为Trp除了氨基酸骨架上的氨基之外咪唑基团上还有一个正电中心，相比Phe和Tyr来说，Trp更容易形成瞬时的偶极矩或多极矩，因此在一定程度上更有利于吸引原硅酸分子；并且由于大量的偶极矩或多极矩的形成，电子云的形状更为分散，特别是其前线轨道相比与其他两种氨基酸有更强弥散效应，因此其交换互斥能较其他两种氨基酸有很明显的上升。
对于酸性氨基酸Glu、Asp来说，可以很明显的看到这两种氨基酸在酸性环境下对原硅酸分子的吸附能力非常出色。两种不同解离仅相差一个H原子，但是结合能相差了10-20kcal/mol。对Glu和Asp来说，在两个不同的解离情况下，从结合的构象来看就有很大不同，在酸性情况下原硅酸分子和两个羧基的羰基结合形成三个很强的氢键，同时四价硅原子也能很充分的和两个负电中心作用；而在碱性解离情况下，R基团上的负电荷远大于氨基酸骨架上的羧基的负电，在结合时原硅酸分子更倾向于直接与R基团的羧基相互作用，因此结合能在Electrostatics项上显著降低了。Induction项，由于酸性的未解离状态下，充分与两个负电中心互作，因此受体和配体的电荷都得到了更强的极化作用，但是由于碱性解离使R基团的羧基的负电暴露的更加充分，因此两种解离情况时实际能量相差不大。对于Dispersion项作为一种电子的长程的库仑相关作用，常与氢键直接相关，大多数的经典氢键都是以静电相互作用为主以色散作用为辅，对于两种氨基酸的未解离状态下都形成了更多的氢键，因此相应的色散相互作用更强。
对于Lys和Arg两个碱性氨基酸而言，现有相关技术中都认为这两个氨基酸在硅亲和肽中异常重要，计算得出的相互作用能确实也在一定程度上支持了整个结果。但是能量分解的结果也表明这两种氨基酸对于原硅酸分子的吸附机理实际大相径庭。
在Lys的能量分解结果中，原来以为静电相互作用会占到总相互作用能得很大比重，但是事实并不如此，其静电部分能量与脂肪族氨基酸甚至Gly都基本相同，在酸性甚至Exchange、Induction部分能量都与脂肪族氨基酸类似，可能是由于Lys本身也有一个较长的脂肪链。反而是Dispersion项与脂肪族氨基酸有一点不同，相比于脂肪族氨基酸，Lys的氨基在和原硅酸分子的相互作用中其电子密度实际有所升高，整体的电子云更为平均，因此实际有利于结合。同时在酸性环境下由于Lys两个氨基之间形成了很强的氢键，对整个氨基酸分子产生了较大的构象扭转，因此交换互斥较碱性情况下产生了很大的阻力。
相比Lys，Arg的相互作用要强很多，胍基相较于氨基的正电性更强，在碱性情况下由于没有氢原子的掩蔽，正电中心暴露更加充分，因此在碱性情况下Electrostatics项较酸性有显著增加，而且相较于氨基，由于胍基的给电子效应强很多，因此相较于Lys，Arg更有利于与原硅酸的结合。
由上述结果可知，在对亲硅多肽进行理性设计时可以增加Arg，Lys，Asp，Glu这四种氨基酸，有助于增加正电荷富集原硅酸分子，同时有助于扩大范德华作用的面积和氢键供体，使吸附更快更稳定。同时减少脂肪族氨基酸在多肽中的比例，脂肪族氨基酸在吸附过程中虽然也能提供一定的结合能，但是由于其给电子能力、色散作用、诱导作用都很弱，因此对吸附过程基本没有帮助。
实施例3.实验验证模拟预测多肽的可行性
需要说明的是，本实施例中选用硅藻sil1的多肽R5作为对照。
1.SfuSFP沉淀二氧化硅
(1)用1.4mL ddH2O溶解14mg SfuSFPs多肽获得10mg/mL多肽，用1mM HCl稀释TMOS原液获得1M TMOS；
(2)反应体积如表9所示，其中，硅沉淀缓冲液采用磷酸盐缓冲液，pH分别为4、5、6、7和8；
表9沉淀反应体系
Figure BDA0003552013770000131
按照表9所示的反应体系，依次加入硅沉淀缓冲液、1mM TMOS和多肽，多肽为SfuSFP1、SfuSFP2、SfuSFP3或R5；
(3)沉淀分离：14000g/min离心10s，弃上清约80μL，加200μL的ddH2O，漩涡振荡混匀；
(4)洗涤：重复步骤(3)三次。
2.钼酸盐-抗坏血酸比色法定量分析二氧化硅的形成
(1)上述SfuSFP1、SfuSFP2、SfuSFP3或R5沉淀完全的二氧化硅产物在烘箱中60℃，过夜干燥，直至呈现粉末状固体；
(2)提前30min预热，恒温水浴混匀器温度为95℃，将完全干燥的二氧化硅用0.5mL1M NaOH溶液溶解，在恒温水浴混匀器中95℃，30min直至完全；
(3)用漩涡震荡约30～60s使溶解的二氧化硅溶液混匀，用移液枪吸取10μL溶解的二氧化硅溶液，通过添加10μL 1N盐酸中和10μL溶解的二氧化硅溶液，然后用30μL超纯水稀释；
(4)将上述中和的二氧化硅溶液通过添加50μL溶液A与钼酸盐反应形成钼酸盐硅酸盐；其中，溶液A为2％钼酸铵溶液，制备溶液A时可以采用0.1N的硫酸溶解2g钼酸铵得到，并且室温保存；
(5)反应5min后，添加50μL溶液B以阻止磷酸盐与钼酸盐反应；其中，溶液B为5％的草酸溶液，制备溶液B时可以将5g草酸用100mL ddH2O溶解得到，并室温保存；
(6)添加50μL溶液C并在室温下孵育10min后，反应溶液颜色从黄色变为蓝色，直至反应结束；其中溶液C可以采用如表10所示的配方配制；
表10溶液C配方
Figure BDA0003552013770000141
(7)二氧化硅浓度与蓝色强度成正比，蓝色强度是使用酶标仪Epoch(美国伯腾仪器有限公司)在700nm处测量吸光值，用于反应沉淀的二氧化硅量；
(8)二氧化硅量的计算方法，采用二氧化硅标液(1000μg/mL)按表11浓度的梯度，通过钼酸盐-抗坏血酸比色法定量分析二氧化硅不同浓度的吸光值，制作标准曲线用于计算二氧化硅的含量。
表11二氧化硅标液浓度梯度
Figure BDA0003552013770000142
二氧化硅的标曲见图8，方程为y＝0.0552x+0.0705，R2＝0.9953。
通过硝解定量分析，获得不同pH下，R5、SfuSFP1、SfuSFP2和SfuSFP3矿化沉淀二氧化硅的量见图9；由图9可知，pH为4时，SfuSFP1沉淀的二氧化硅最多，约为R5的3倍，SfuSFP2和SfuSFP3沉淀的量和R5沉淀的二氧化硅量没有明显区别；随着pH增加，在中性环境中SfuSFP1和SfuSFP2沉淀二氧化硅的量高于R5，在碱性环境中SfuSFP3和R5沉淀的二氧化硅量相当，在pH为8时，SfuSFP2沉淀的二氧化硅与R5没有明显差异，SfuSFP1和SfuSFP3略低于R5。
综上结果表明，在酸性环境中，SfuSFP1沉淀效率高于R5，在一定程度上拓展了生物矿化的pH范围，在中性环境中SfuSFP1和SfuSFP2沉淀效率也高于R5，SfuSFP3和R5沉淀效率相当；在碱性环境中SfuSFP2和R5产生的二氧化硅量基本一致。
3.R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌观测
3.1SEM制样
(1)将上述得到的二氧化硅溶液，通过充分的漩涡震荡约1～3min混匀；
(2)用移液枪从试管底部吸取2.5μL，竖直滴加至3×3mm的SEM光学生物载体单抛硅片上；
(3)将上述滴加二氧化硅溶液的SEM光学生物载体单抛硅片在洁净的环境中至液体完全蒸发晾约2h，转移SEM光学生物载体单抛硅片至烘箱中60℃，过夜干燥；
(4)再将上述干燥完全的样品放置于真空干燥器中充分干燥12h，直至用于镀导电层。
3.2SEM观测二氧化硅形态
(1)测试喷金：将上述干燥好的样品，通过高真空离子溅射仪EM ACE600(德国徕卡)进行导电层最佳条件摸索；
(2)通过上述(1)多次喷金测验得出最佳喷金时间70s，标记样品序号，SEM上样；
(3)SEM测试：通过对多个重复样品和不同沉淀条件的样品进行最佳拍摄条件摸索，得到适用于各个样品的最佳拍摄条件；
(4)通过上述(2)多次测验分析，获得最佳SEM条件为标尺2μm，电流强度7mA，电压3kV～kV。
4.R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的SEM图处理和粒径统计
采用Photoshop2022对分辨率和放大倍数的SEM图进行裁剪，使得所有实验结果图具有统一的标尺和样品分布，采用Nano Measurer1.2对上述处理的图进行粒径统计，每个样品测量100个沉淀硅颗粒，获得符合正态分布的粒径分布图，进一步对不同pH值下的二氧化硅特征进行分析。结果如图10～14所示。
图10为在pH4时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；图11为在pH5时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；图12为在pH6时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；图13为在pH7时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布；图14为在pH8时，R5、SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅的形貌和粒径分布。
由图10和图11可知，在pH 4和pH 5下，R5沉淀的二氧化硅呈现不规则的形貌，没有界限分明的颗粒形成。而在低pH值SfuSFP1、SfuSFP2和SfuSFP3沉淀二氧化硅颗粒更加匀称。SEM表征了粒径的最小分布：SfuSFP1(69.1～75.8nm)、SfuSFP2(65.8～72.4nm)和SfuSFP3(75.7～86.4nm)。结果表明，R5的沉淀能力在部分酸性环境中迅速下降，SfuSFP1、SfuSFP2和SfuSFP3沉淀产生的二氧化硅颗粒具有相似的形貌，SfuSFP2沉淀的粒径最小，表明在酸性环境中的吸附能力最强，沉淀效果更好。
由图12可知，在pH值为6时，R5沉淀的二氧化硅呈片状，片状的相邻二氧化硅球体彼此紧密相连或部分熔融。SfuSFP1沉淀的二氧化硅颗粒被紧密地截留，粒径主要分布在74.6～84.1nm之间。SfuSFP2的粒径分布为155～171.6nm，SfuSFP3的粒径为87.4～95.5nm。根据预测，吸附能越强粒径越小，表明SfuSFP1、SfuSFP2和SfuSFP3在pH 6下比R5能更好的沉淀二氧化硅。
由图13可知，在pH值为7时，R5沉淀的二氧化硅颗粒粒径分布在100.7～115.6nm，SfuSFP1沉淀的二氧化硅颗粒粒径分布在70.2～77.6nm，但表面粗糙，SfuSFP2沉淀的二氧化硅颗粒表面光滑，粒径分布为117.6～142.4nm，SfuSFP3沉淀的二氧化硅颗粒粒径分布为86.4～95.1nm，表明中性环境中，SfuSFP1与R5相比沉淀能力最强，其余次之。
由图14可知，在pH值为8时，R5沉淀的二氧化硅颗粒呈均匀的球形，高斯分布表明所得粒径基本一致，R5沉淀的二氧化硅颗粒粒径主要在132～153.5nm之间，SfuSFP1、SfuSFP2和SfuSFP3沉淀的二氧化硅颗粒粒径分别在138.5～150nm、173.8～190.1nm和98.6～116.4nm之间；粒度统计表明，SfuSFP3沉淀二氧化硅在碱性环境中粒径最小，表明吸附能力大沉淀能力最强。SfuSFP1和SfuSFP2沉淀的二氧化硅颗粒与R5的相比差异不显著，SfuSFP3沉淀的二氧化硅粒径与R5沉淀的二氧化硅粒径相比差异明显，表明SfuSFP3的吸附能力较R5强。
基于上述结果并结合模拟分析表明，在不同的pH值下，吸附能越大沉淀能力最强，沉淀形成二氧化硅的粒径最小；酸性环境中沉淀能力从大到小依次为SfuSFP2(65.8～72.4nm)、SfuSFP1(69.1～75.8nm)和SfuSFP3(75.7～86.4nm)；中性环境中SfuSFP1(70.2～77.6nm)、SfuSFP3(86.4～95.1nm)、R5(100.7～115.6nm)和SfuSFP2(117.6～142.4nm)；碱性环境中SfuSFP3(98.6～116.4nm)、R5(132～153.5nm)、SfuSFP1(138.5～150nm)和SfuSFP2(173.8～190.1nm)。SfuSFP1中性沉淀二氧化硅的效果最好，呈现出相对较宽的沉淀范围；SfuSFP2在酸性环境中具有最强的沉淀二氧化硅能力，SfuSFP3同样也在较宽的pH下显示出沉淀二氧化硅的能力，但在碱性环境中效果最好，沉淀二氧化硅粒径大小基本一致，与预测的吸附能越强沉淀的二氧化硅粒径相一致越小。
需要说明的是，本公开的实施例还可以以下方式进一步描述：
一种用于生成二氧化硅的多肽，所述多肽的氨基酸序列如SEQ ID NO.1～3任一项所示。
具有如SEQ ID NO.1～3任一项所示的氨基酸序列的多肽在生成二氧化硅中的应用。
可选地，包括：采用二氧化硅前体与权利要求1所述的多肽反应生成二氧化硅。
可选地，所述二氧化硅前体包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。
可选地，采用所述二氧化硅前体与所述多肽生成二氧化硅时的反应体系包括：硅沉淀缓冲液、所述多肽形成的多肽溶液和所述二氧化硅前体形成的二氧化硅前体溶液。
可选地，所述硅沉淀缓冲液包括磷酸盐缓冲液、盐酸-巴比妥钠缓冲液和柠檬酸磷酸盐缓冲液中的至少一种；和/或，所述多肽溶液的浓度为5～15mg/mL；和/或，所述二氧化硅前体溶液的浓度为1M/L；和/或，所述多肽溶液和所述二氧化硅前体溶液的体积比为1:1。
可选地，反应温度为20～25℃；和/或，反应时间为5min。
一种用于生成二氧化硅的组合物，包括具有如SEQ ID NO.1～3任一项所示的氨基酸序列的多肽。
可选地，还包括二氧化硅前体。
可选地，所述二氧化硅前体包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
SEQUENCE LISTING
<110> 温州大学
<120> 用于生成二氧化硅的多肽及其应用、组合物
<130> FI211670
<160> 4
<170> PatentIn version 3.5
<210> 1
<211> 21
<212> PRT
<213> 人工序列
<400> 1
Ser Ser Arg Trp Lys Ser Arg Gly Phe Gly Gly Ser Ser Ser Ser
1               5                   10                  15
Ile Pro Arg Ser Arg Lys
                20
<210> 2
<211> 17
<212> PRT
<213> 人工序列
<400> 2
Ser Ser Asp Ser Gly Glu Asp Thr Ala Asp Thr Lys Pro Asn Ile
1               5                   10                  15
Tyr Ser
<210> 3
<211> 22
<212> PRT
<213> 人工序列
<400> 3
Arg Met Gly Arg Ser Gly Ser Leu Gly Ser Ser Glu Ser Ala Ser
1               5                   10                  15
Arg Val Val Asp Arg Leu Arg
                20
<210> 4
<211> 19
<212> PRT
<213> 人工序列
<400> 4
Ser Ser Lys Lys Ser Gly Ser Tyr Ser Gly Ser Lys Gly Ser Lys
1               5                   10                  15
Arg Arg Ile Leu

Claims (10)

1.一种用于生成二氧化硅的多肽，所述多肽的氨基酸序列如SEQ ID NO.1~3任一项所示。
2.权利要求1所述的多肽在生成二氧化硅中的应用。
3.根据权利要求2所述的应用，包括：采用二氧化硅前体与权利要求1所述的多肽反应生成二氧化硅。
4.根据权利要求3所述的应用，其中所述二氧化硅前体包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。
5.根据权利要求3所述的应用，其中采用所述二氧化硅前体与所述多肽生成二氧化硅时的反应体系包括：硅沉淀缓冲液、所述多肽形成的多肽溶液和所述二氧化硅前体形成的二氧化硅前体溶液。
6.根据权利要求5所述的应用，其中所述硅沉淀缓冲液包括磷酸盐缓冲液、盐酸-巴比妥钠缓冲液和柠檬酸磷酸盐缓冲液中的至少一种；和/或，所述多肽溶液的浓度为5~15 mg/mL；和/或，所述二氧化硅前体溶液的浓度为1M/L；和/或，所述多肽溶液和所述二氧化硅前体溶液的体积比为1:1。
7.根据权利要求3所述的应用，其中反应温度为20~25℃；和/或，反应时间为5min。
8.一种用于生成二氧化硅的组合物，包括如SEQ ID NO.1~3任一项所示的氨基酸序列的多肽。
9.根据权利要求8所述的组合物，还包括二氧化硅前体。
10.根据权利要求9所述的组合物，其中所述二氧化硅前体包括原硅酸四乙酯、原硅酸四甲酯、甲基三乙氧基硅烷、苯基三乙氧基硅烷、二甲基二甲氧基硅烷、乙基三乙氧基硅烷、四异丙氧化钛和四乙基锗中的至少一种。
CN202210266470.7A 2022-03-17 2022-03-17 用于生成二氧化硅的多肽及其应用、组合物 Active CN114874299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210266470.7A CN114874299B (zh) 2022-03-17 2022-03-17 用于生成二氧化硅的多肽及其应用、组合物

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210266470.7A CN114874299B (zh) 2022-03-17 2022-03-17 用于生成二氧化硅的多肽及其应用、组合物

Publications (2)

Publication Number Publication Date
CN114874299A CN114874299A (zh) 2022-08-09
CN114874299B true CN114874299B (zh) 2023-04-28

Family

ID=82666562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210266470.7A Active CN114874299B (zh) 2022-03-17 2022-03-17 用于生成二氧化硅的多肽及其应用、组合物

Country Status (1)

Country Link
CN (1) CN114874299B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109096391A (zh) * 2018-07-19 2018-12-28 华侨大学 一种多肽介导的仿生二氧化硅纳米粒子的制备方法及应用
CN111117977A (zh) * 2020-01-06 2020-05-08 华南理工大学 一种重组多肽连接酶原及其制备、激活方法与应用
CN112266905A (zh) * 2020-09-27 2021-01-26 厦门大学 一种多肽修饰氨基酸脱氢酶及其制备和固定化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109096391A (zh) * 2018-07-19 2018-12-28 华侨大学 一种多肽介导的仿生二氧化硅纳米粒子的制备方法及应用
CN111117977A (zh) * 2020-01-06 2020-05-08 华南理工大学 一种重组多肽连接酶原及其制备、激活方法与应用
CN112266905A (zh) * 2020-09-27 2021-01-26 厦门大学 一种多肽修饰氨基酸脱氢酶及其制备和固定化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Li-Li Chen等.Prediction of peptide-induced silica formation under a wide pH range bymolecular descriptors.Colloids and Surfaces A: Physicochemical and Engineering Aspects.2022,第653卷(第20期),1-2. *

Also Published As

Publication number Publication date
CN114874299A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
Xu et al. Preparation of magnetic molecularly imprinted polymers based on a deep eutectic solvent as the functional monomer for specific recognition of lysozyme
Nam et al. Peptide-mediated reduction of silver ions on engineered biological scaffolds
Carlson et al. Chemically controlled self-assembly of protein nanorings
Camden et al. Simulations of peptide-graphene interactions in explicit water
Yadav et al. Structure and interaction in the pH-dependent phase behavior of nanoparticle–protein systems
Gopalakrishnan et al. Interaction of collagen like peptides with gold nanosurfaces: a molecular dynamics investigation
Diaz et al. Conformation of ethylhexanoate stabilizer on the surface of CdS nanoparticles
Li et al. A green deep eutectic solvent modified magnetic titanium dioxide nanoparticles for the solid-phase extraction of chymotrypsin
Seker et al. Thermodynamics of engineered gold binding peptides: establishing the structure–activity relationships
Sola-Rabada et al. Interactions at the silica–peptide interface: influence of the extent of functionalization on the conformational ensemble
Javid et al. Protein–protein interactions in complex cosolvent solutions
Malaspina et al. Protein-surface interactions at the nanoscale: Atomistic simulations with implicit solvent models
Hsin et al. Self‐Assembly of Photosynthetic Membranes
Kopeć et al. Comparison of α-helix and β-sheet structure adaptation to a quantum dot geometry: Toward the identification of an optimal motif for a protein nanoparticle cover
CN114874299B (zh) 用于生成二氧化硅的多肽及其应用、组合物
Huggias et al. Platinum nanoparticles obtained at mild conditions on S-Layer protein/polymer particle supports
Adigun et al. BSMV as a biotemplate for palladium nanomaterial synthesis
Iwashita et al. Liquid chromatographic analysis of the interaction between amino acids and aromatic surfaces using single-wall carbon nanotubes
Adams et al. Functional and selective bacterial interfaces using cross-scaffold gold binding peptides
Jacobs et al. Understanding Supramolecular Assembly of Supercharged Proteins
Raffaini et al. Adsorption of charged albumin subdomains on a graphite surface
Noinville et al. Conformation, orientation, and adsorption kinetics of dermaseptin B2 onto synthetic supports at aqueous/solid interface
Zheng et al. Nanotube− peptide interactions on a silicon chip
Abniki et al. Development of p-amino acetanilide functionalized multi-walled carbon nanotubes as an effective carrier for lansoprazole release
Dąbkowska et al. Lysozyme monolayers at polymer microparticles: electrokinetic characteristics and modeling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant