[發明專利]一種基于Barnase/barstar的生物免疫傳感系統及應用在審
| 申請號: | 202111013055.2 | 申請日: | 2021-08-31 |
| 公開(公告)號: | CN113721023A | 公開(公告)日: | 2021-11-30 |
| 發明(設計)人: | 劉暢;宋海鵬;何利中 | 申請(專利權)人: | 深圳市國創納米抗體技術有限公司 |
| 主分類號: | G01N33/58 | 分類號: | G01N33/58;G01N33/543 |
| 代理公司: | 北京市眾天律師事務所 11478 | 代理人: | 李新軍 |
| 地址: | 518110 廣東省深圳市龍華區觀瀾*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 barnase barstar 生物 免疫 傳感 系統 應用 | ||
1.一種應用barnase/barstar系統檢測標本中目的抗原的方法,其特征在于,所述方法包括以下步驟:
(1)將待檢測標本放入含有抗所述目的抗原的第一抗體與抗所述目的抗原的,具有與所述第一抗體不同抗原結合表位的第二抗體的檢測體系中,所述第一抗體與barstar或barnase相連接,所述第二抗體與化學發光標記物相連接;
(2)以促進抗原抗體發生特異性結合反應的條件孵育步驟(1)獲得的檢測體系;
(3)加入包被了barnase或barstar的基質材料,當第一抗體與barstar連接時,基質材料被barnase包被,當第一抗體與barnase連接時,基質材料被barstar包被,使barnase與barstar發生特異性結合反應;
(4)獲得步驟(3)反應后的基質材料,并檢測所述化學發光標記物的信號。
2.根據權利要求1所述的方法,其特征在于,步驟(1)和步驟(4)中所述化學發光標記物為熒光染料ATTO488。
3.根據權利要求1所述的方法,其特征在于,步驟(3)所述基質材料為瓊脂糖微球。
4.根據權利要求1所述的方法,其特征在于,步驟(3)所述基質材料為固體基質。
5.根據權利要求1所述的方法,其特征在于,步驟(1)所述的第一抗體和第二抗體均為納米抗體。
6.根據權利要求5所述的方法,其特征在于,所述第一納米抗體的序列如SEQ ID NO.1所示,所述第二納米抗體的序列如SEQ ID NO.2所示。
7.根據權利要求6所述的方法,其特征在于,所述第一納米抗體與barstar連接為融合蛋白,所述barstar的氨基酸序列如SEQ ID NO.3所示,所述基質材料包被的barnase的氨基酸序列如SEQ ID NO.4所示。
8.根據權利要求7所述的方法,其特征在于,所述融合蛋白的氨基酸序列如SEQ IDNO.5所示。
9.一種應用barnase/barstar系統檢測標本中目的抗原的試劑盒,其特征在于,所述試劑盒含有如下試劑:
(1)具有與目的抗原不同結合部位的第一抗體和第二抗體,所述第一抗體與barstar或barnase相連接,所述第二抗體與化學發光標記物相連接;
(2)包被了barnase或barstar的基質材料,當第一抗體與barstar連接時,基質材料被barnase包被,當第一抗體與barnase連接時,基質材料被barstar包被。
10.根據權利要求9所述的試劑盒,其特征在于,所述化學發光標記物為熒光染料ATTO488。
11.根據權利要求9所述的試劑盒,其特征在于,所述基質材料為瓊脂糖微球。
12.根據權利要求9所述的試劑盒,其特征在于,所述基質材料為固體基質。
13.根據權利要求9所述的試劑盒,其特征在于,所述的第一抗體和第二抗體均為納米抗體。
14.根據權利要求13所述的試劑盒,其特征在于,所述第一納米抗體的序列如SEQ IDNO.1所示,所述第二納米抗體的序列如SEQ ID NO.2所示。
15.根據權利要求14所述的試劑盒,其特征在于,所述第一納米抗體與barstar連接為融合蛋白,所述barstar的氨基酸序列如SEQ ID NO.3所示,所述基質材料包被的barnase的氨基酸序列如SEQ ID NO.4所示。
16.根據權利要求15所述的試劑盒,其特征在于,所述融合蛋白的氨基酸序列如SEQ IDNO.5所示。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳市國創納米抗體技術有限公司,未經深圳市國創納米抗體技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111013055.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:智能眼鏡鉸鏈結構
- 下一篇:一種基于狀態轉移極限學習機的圖像分類方法





