逆病毒载体构建-武汉贝科新肽公司

原理简介

GFP、RFP等荧光蛋白因其的荧光性质和灵敏性，常作为报告基因研究并分析基因产物在细胞中的定位和相互作用等。将目标蛋白与荧光蛋白的N端或者C端融合，通过瞬时转化技术或稳定遗传转化技术，使得该融合蛋白在受体材料细胞内表达，目标蛋白会牵引荧光蛋白一起定位到目标细胞器，通过显微镜观察荧光蛋白在细胞内显示的位置，确定目标蛋白的位置，逆病毒载体构建，从而确定目标蛋白的亚细胞定位情况。

亚细胞结构分离定位法

通过离心等技术分离各亚细胞结构，然后从分离物种进一步提取蛋白质，对目标蛋白质进行分析或检测，从而获得目标蛋白的定位。本方法适合研究某蛋白质组级别的细胞器定位，通常与双向凝胶电泳分离和质谱技术相结合。

生物信息学预测

通过生物信息学手段，借助一些在线工具对蛋白的亚细胞定位信息进行预测，这种方法可以在短时间获得大量蛋白的预测信息，不仅辅助于实验，还能省时省力节约成本。

标准分类器在蛋白质亚细胞定位中的评估：Debasish Mohapatra 等人对三种标准分类器（Classification And Regression Tree，CART；K-Nearest Neighbor，KNN；Support Vector Machine，SVM）在蛋白质亚细胞定位预测中的性能进行了比较。实验结果表明，SVM 在准确性和宏观平均精度方面表现较好，而 CART 在宏观平均召回率和宏观 F1 分数方面表现较好。

基于 AdaBoost Learner 的蛋白质亚细胞定位预测：Yu-Huan Jin 等人介绍了一种基于 AdaBoost Learner 的蛋白质亚细胞定位预测方法。该方法利用蛋白质的氨基酸组成进行预测，通过 Jackknife 交叉验证和独立数据集测试表明，AdaBoost 是一种稳健有效的模型，预测准确率高于其他现有预测器。