High-throughput molecular biology a

High-throughput molecular biology and crystallography advances have placed an increasing demand on crystallization, the one remaining bottleneck in macromolecular crystallography. This paper describes three experimental approaches, an incomplete factorial crystallization screen, a high-throughput nanoliter crystallization system, and the use of a neural net to predict crystallization conditions via a small sample (∼0.1%) of screening results. The use of these technologies has the potential to reduce time and sample requirements. Initial experimental results indicate that the incomplete factorial design detects initial crystallization conditions not previously discovered using commercial screens. This may be due to the ability of the incomplete factorial screen to sample a broader portion of “crystallization space,” using a multidimensional set of components, concentrations, and physical conditions. The incomplete factorial screen is complemented by a neural network program used to model crystallization. This capability is used to help predict new crystallization conditions. An automated, nanoliter crystallization system, with a throughput of up to 400 conditions/h in 40-nl droplets (total volume), accommodates microbatch or traditional “sitting-drop” vapor diffusion experiments. The goal of this research is to develop a fully-automated high-throughput crystallization system that integrates incomplete factorial screen and neural net capabilities.

ผลลัพธ์ (ไทย) 1:

ความเร็วสูงอณูชีววิทยาและผลิกศาสตร์ความก้าวหน้ามีวางความต้องการบนตกผลึก เหลือขวดหนึ่งใน macromolecular ผลิกศาสตร์ กระดาษนี้อธิบายแนวทางทดลองสาม หน้าจอการตกผลึกของแฟกทอเรียลที่ไม่สมบูรณ์ ระบบผลึกแบบ nanoliter ความเร็วสูง และการใช้สุทธิประสาทการทำนายสภาพตกผลึกผ่านตัวอย่าง (∼0.1%) คัดกรองผลลัพธ์ การใช้เทคโนโลยีเหล่านี้มีศักยภาพที่จะลดความต้องการเวลา และตัวอย่าง ผลการทดลองเบื้องต้นบ่งชี้ว่า แฟกทอเรียลแบบไม่สมบูรณ์ตรวจพบผลึกเริ่มต้นเงื่อนไขไม่เคย ค้นพบโดยใช้หน้าจอพาณิชย์ นี้อาจเป็น เพราะความสามารถของหน้าจอแฟกทอเรียลไม่สมบูรณ์ส่วนกว้างของ "พื้นที่ตกผลึก ใช้ชุดส่วนประกอบ เข้มข้น และเงื่อนไขทางกายภาพหลายมิติตัวอย่าง แฟกทอเรียลหน้าจอไม่สมบูรณ์จะสมบูรณ์ โดยโปรแกรมข่ายประสาทแบบตกผลึก ความสามารถนี้จะใช้เพื่อช่วยทำนายสภาพการตกผลึกใหม่ , Nanoliter ตกผลึกระบบอัตโนมัติ ด้วยอัตราความเร็วถึง 400 เงื่อนไข/h ในหยด 40-nl (ปริมาตรรวม), รองรับ microbatch หรือการทดลองกระจายไอ "นั่งแบบดั้งเดิม เป้าหมายของงานวิจัยนี้คือการ พัฒนาระบบอัตโนมัติทั้งหมดตกผลึกเร็วที่รวมจอแฟกทอเรียลที่ไม่สมบูรณ์และความสามารถสุทธิของระบบประสาท

ผลลัพธ์ (ไทย) 2:

สูงผ่านทางอณูชีววิทยาและความก้าวหน้าผลึกได้วางความต้องการที่เพิ่มขึ้นเกี่ยวกับการตกผลึกหนึ่งคอขวดที่เหลืออยู่ในผลึกโมเลกุล กระดาษนี้จะอธิบายสามวิธีการทดลองไม่สมบูรณ์หน้าจอตกผลึกปัจจัยที่สูงผ่านระบบ nanoliter ตกผลึกและการใช้สุทธิประสาทที่จะคาดการณ์สภาพการตกผลึกทางกลุ่มตัวอย่างขนาดเล็ก (~0.1%) ของผลการตรวจคัดกรอง การใช้เทคโนโลยีเหล่านี้มีศักยภาพที่จะช่วยลดเวลาและความต้องการของกลุ่มตัวอย่าง ผลการทดลองแสดงให้เห็นว่าเริ่มต้นการออกแบบปัจจัยที่ไม่สมบูรณ์ตรวจพบสภาพการตกผลึกเริ่มต้นไม่ถูกค้นพบก่อนหน้านี้โดยใช้หน้าจอในเชิงพาณิชย์ นี้อาจจะเป็นเพราะความสามารถของหน้าจอปัจจัยที่ไม่สมบูรณ์ที่จะลิ้มลองเป็นส่วนที่กว้างขึ้นของ "พื้นที่ตกผลึก" โดยใช้ชุดหลายมิติของส่วนประกอบของความเข้มข้นและสภาพทางกายภาพ หน้าจอปัจจัยที่ไม่สมบูรณ์ครบครันด้วยโปรแกรมเครือข่ายประสาทเทียมที่ใช้ในการจำลองการตกผลึก ความสามารถนี้จะใช้เพื่อช่วยคาดการณ์สภาพการตกผลึกใหม่ ระบบอัตโนมัติ, nanoliter ตกผลึกกับความเร็วของได้ถึง 400 เงื่อนไข / ชั่วโมงในหยด 40 NL (ปริมาณรวม) รองรับ microbatch หรือดั้งเดิม "นั่งปล่อย" ไอทดลองการแพร่กระจาย เป้าหมายของงานวิจัยนี้คือการพัฒนาอย่างเต็มที่โดยอัตโนมัติระบบการตกผลึกสูงผ่านหน้าจอที่บูรณาการปัจจัยที่ไม่สมบูรณ์และความสามารถสุทธิประสาท

ผลลัพธ์ (ไทย) 3:

ฉันจะค้นหาข้อมูลจากอินเทอร์เน็ต