出版物
利用液相萃取表面分析-串联质谱法（LESA-MS/MS）对大量聚合物库中的蛋白质吸附进行高通量分析
抽象
生物材料在医学领域发挥着重要作用，从隐形眼镜到关节置换，应用广泛。高通量筛选结合机器学习技术已鉴定出多种合成聚合物，这些聚合物能够抑制细菌生物膜形成、阻止真菌细胞黏附、调控免疫细胞黏附和表型，以及引导干细胞命运。体外预吸附培养基中的蛋白质在控制细胞反应中起着关键作用。然而，目前关于蛋白质吸附筛选在材料库中的研究仍然匮乏。本文展示了如何利用液相萃取表面分析技术，结合改进的液滴微阵列（DMA）方法和串联质谱（LESA-MS/MS）技术，对包含208个聚合物微阵列上的蛋白质吸附进行定量分析。本研究使用仅包含四种蛋白质（Essential 8）的完全成分明确的细胞培养基，以验证该分析方法的可行性。研究结果表明，我们可以构建蛋白质吸附的定量预测机器学习模型，阐明描述表面化学性质与蛋白质吸附之间关系的关键聚合物特征。该信息可用于合理设计具有定制蛋白质附着特性的新材料，用于生物材料、医疗器械或体外化合物筛选。
Advion Interchim 科学® 特里弗萨® 纳米材料® 使用了（Advion，伊萨卡，纽约）。