蛋白質(zhì)聚集過程動力學(xué)建模和實驗研究.pdf

1、隨著檢測理論和技術(shù)的不斷發(fā)展，檢測的對象已經(jīng)從傳統(tǒng)的檢測領(lǐng)域延伸到圖像、化學(xué)、生物、醫(yī)藥等領(lǐng)域，在生物制藥、食品、化工等領(lǐng)域，蛋白質(zhì)聚集現(xiàn)象是普遍存在的。對它動態(tài)的聚集過程進(jìn)行檢測一直是學(xué)者們研究的熱點之一。對他的研究將對生物藥中蛋白質(zhì)聚集導(dǎo)致藥效的降低、是否引起免疫應(yīng)答、相關(guān)的毒理學(xué)效應(yīng)、藥的保質(zhì)期等研究都有著重要的意義。
　　目前蛋白質(zhì)的聚集過程主要依賴于經(jīng)驗公式、質(zhì)量作用定律、相關(guān)的數(shù)學(xué)模型來預(yù)測其聚集結(jié)果。若能在生產(chǎn)中不斷

2、地控制初始條件，加上對中間結(jié)果的檢測來修正初始條件，這樣的閉環(huán)控制就能盡最大可能防止蛋白質(zhì)的聚集。如何控制初始條件？聚集過程中哪個時間點更能有效地來修正初始條件？都要依賴于聚集過程的動力學(xué)方程。目前的聚集動力學(xué)方程的模型都是假定:1蛋白質(zhì)是某一形貌，如:球狀、桿狀等簡單的幾何形狀;2在假定某種形貌的基礎(chǔ)上，計算聚集體的尺寸。3聚集過程是個動態(tài)的，它包含成核、聚集、生長和解聚行為，在前兩個基礎(chǔ)上，再對模型參數(shù)進(jìn)行識別，即獲得方程的初始條件

3、。這無疑缺少普適性，蛋白質(zhì)的形貌是復(fù)雜的，甚至是變化的。
　　本文采用了分形維來描述和表達(dá)聚集體的形貌，而不是假定某一幾何形貌，以此建立了新的聚集體動力學(xué)模型，這一模型可以同時反映出聚集體的尺寸和分形維兩個特征。增加了使用的普適性。同時對模型的初始條件，即模型參數(shù)進(jìn)行了參數(shù)估計和辨識。并用仿真和實驗進(jìn)行了驗證工作。并給出了較滿意的結(jié)果。
　　本文的主要工作可歸納如下:
　　1.采用分形理論和群體粒子衡算方程(Popul

4、ation Balance Equation，PBE)，提出了描述蛋白質(zhì)聚集過程的動力學(xué)模型，推導(dǎo)了動力學(xué)模型的增長函數(shù)和成核函數(shù)。并通過計算機(jī)仿真實現(xiàn)了動態(tài)尺寸模擬、動態(tài)分形維模擬。該模型可以同時給出蛋白質(zhì)聚集體的尺寸和分形維兩個關(guān)鍵參數(shù)的動態(tài)尺寸。針對聚集體尺寸和分形維的計算中存在的問題，應(yīng)用有限元蓋拉金法編制了計算機(jī)軟件求解了動力學(xué)方程。
　　2.在閉環(huán)控制中，要不停修正初始條件即模型參數(shù)。在模型參數(shù)的辨識過程中，提出了一種

5、新的基于K-L信息距離的蛋白質(zhì)聚集過程模型參數(shù)辨識方法。通過優(yōu)化算法，給出了蛋白質(zhì)聚集過程的初始條件和實驗檢測時間點，該方法將指導(dǎo)實驗驗證工作中的實驗設(shè)計，并選擇了具有普適性意義溶菌酶的聚集實驗。
　　3.將上述方法應(yīng)用于溶菌酶的聚集過程控制，利用參數(shù)辨識給出的初始條件、時間檢測點，分別應(yīng)用激光粒度儀和密度計測定溶菌酶冷卻聚集過程中尺寸和濃度變化的一般規(guī)律。根據(jù)這些變化規(guī)律，精確擬合聚集動力學(xué)參數(shù)的基于尺寸和濃度變化規(guī)律。實驗證明

6、，采用分形理論和PBE方程提出描述蛋白質(zhì)聚集過程的仿真動力學(xué)模型可以有效預(yù)測聚集體形貌及其分布。
　　4.針對聚集過程中難以測量存在的宏觀聚集現(xiàn)象，研究了大尺寸分形維測量問題。以不同稀釋條件的添加凝乳酶牛奶溶液為實驗材料，提出了一種基于PBE模擬模型的致密聚集體分形維測量新方法，方法在不建立聚集體互相關(guān)函數(shù)的情況下，測量了蛋白質(zhì)聚集體大尺寸分形維。
　　5.建立蛋白質(zhì)聚集體過程測量系統(tǒng)，該系統(tǒng)驗證了論文中所提出的的觀點，利用