news 2026/2/27 14:52:45

邻近连接(PLA)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
邻近连接(PLA)

邻近连接技术(PLA)是一种高灵敏度、高特异性的蛋白质检测技术,可在单分子水平原位分析蛋白质互作或翻译后修饰。其核心原理是:当两个目标蛋白(或修饰位点)间距<40 nm时,偶联特异性抗体的PLUS/MINUS DNA探针会相互靠近,经连接酶催化形成环状DNA模板,再通过滚环扩增(RCA)添加荧光信号。该技术广泛应用于信号通路研究、疾病诊断等领域,尤其适合FFPE组织样本和临床微量检测。

背景说明

邻近连接技术(Proximity Ligation Assay,PLA)是一种基于抗体识别与DNA扩增的高灵敏度蛋白质检测技术,其核心原理是通过空间邻近依赖的DNA连接与扩增,将蛋白质相互作用或翻译后修饰事件转化为可定量的荧光信号。具体原理可分为以下关键步骤:

(1)双抗体识别:使用一对特异性抗体(分别针对目标蛋白A和B,或同一蛋白的不同修饰位点),抗体分别偶联一条独特的单链DNA探针(PLUS和MINUS探针)。当两个靶标在空间上邻近(< 40 nm)时,其携带的DNA探针末端得以靠近;

(2)DNA连接与环化:探针末端的互补序列在连接酶催化下共价结合,形成闭环DNA模板。这一步骤具有高度特异性,当两靶标真实互作时才会触发。

(3)信号放大与检测:闭环DNA通过滚环扩增(RCA)生成包含数百重复单元的DNA产物,再与荧光标记或酶标探针杂交,形成离散的荧光信号点(每点代表单个互作事件)。这种指数级信号放大使PLA可检测单分子水平的目标蛋白。

图 邻近连接技术(PLA)原理(Wang et al., 2015)。

服务流程

客户在线下单——两个蛋白互作生信评估——IF预实验——正式实验,细胞爬片制备——一抗体孵育——PLA探针孵育——连接酶扩增——RCA扩增——荧光显微镜或共聚焦显微镜拍照、分析

服务内容及说明

适用范围

1、检测细胞或组织中的蛋白弱互作:PLA技术通过DNA信号放大可检测传统方法难以捕获的低亲和力或瞬时蛋白互作(如激酶-底物结合、信号通路的短暂激活)。

2、检测细胞或组织中的蛋白翻译后修饰:利用双抗体策略(一抗识别目标蛋白,另一抗识别修饰位点,如磷酸化、泛素化)实现PTM的原位可视化。

3、定位蛋白互作的发生区域:结合其它细胞器marker及免疫荧光技术,可定位蛋白互作的发生位置。

4、临床病理诊断:用于肿瘤分子分型(如EGFR磷酸化激活状态)和免疫治疗生物标志物检测;

技术优势

1、超高灵敏度

滚环扩增实现信号放大1000倍,可解析 < 40 nm范围内的蛋白弱互作,完美适配低丰度蛋白互作研究。

2、原位捕捉蛋白互作

直接在细胞/组织原位捕获互作事件,保留亚细胞定位信息(如膜受体簇集、核内修饰位点),分辨率达40 nm。

3、高特异性

需双抗体 + 双DNA探针同时结合靶标(距离 < 40 nm)才能触发信号,有效规避抗体非特异性吸附导致的假阳性,尤其适合复杂样本(如肿瘤微环境分析)。

4、样本友好

适用于多种样本,如FFPE组织、穿刺活检等微量样本,可兼容IF/FISH等其他标记技术,为精准医疗提供分子病理新工具。

实验流程

(1)样本处理:用多聚甲醛固定处理好的细胞爬片。

(2)封闭:将封闭液滴加到细胞爬片,确保封闭液均匀覆盖整个组织区域。

(3)孵育一抗:将稀释好的一抗均匀滴加在已封闭的细胞爬片,放入湿盒中,37 °C孵育,使一抗与抗原充分结合。

(4)孵育PLA探针:再次清洗后加入PLUS和MINUS两种PLA探针。

(5)连接反应:滴加连接缓冲液(含连接酶),将载玻片置于预热的湿盒中,37 °C下进行连接反应。

(6)扩增及成像:清洗掉连接缓冲液,加入扩增缓冲液(含聚合酶)并使用荧光显微镜观察两个目的蛋白之间的相互作用情况。

客户下单及项目信息填写

在我司官网http://www.biorun.com/进行注册或登录,请客户按照页面提示填写:

1、项目名称、选择项目类型、填写个人信息及联系方式进行预提交;

2、提交项目所需要的具体信息:细胞样本、目标蛋白及对应的一抗等。

实验信息

实验过程中客户可以随时登入管理系统查看项目实时进展情况。实验结题时系统会通过短信自动通知客户,并发送实验报告查看网址。实验结题后,实验报告,检测结果可在线查看或打印,并永久保留。

实验周期

致电详询

实验交付内容

①荧光照片组合图;

②PLA信号统计结果;

③详细的实验结题报告。

我司案例

细胞样本蛋白A和蛋白B强互作检测

细胞样本蛋白A和蛋白B弱互作检测

细胞样本蛋白A和蛋白B互作线粒体定位

组织切片样本蛋白A和蛋白B互作检测

参考文献

Wang S, Yoo S H, Kim H, et al. Detection of in situ protein-protein complexes at the Drosophila larval neuromuscular junction using proximity ligation assay[J].Journal of visualized experiments: JoVE, 2015 (95): 52139.

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/22 5:54:17

SSE长连接返回大模型逐步生成的Token流

SSE长连接返回大模型逐步生成的Token流 在智能对话系统、AI编程助手和实时内容生成等场景中&#xff0c;用户早已不再满足于“输入问题 → 等待数秒 → 获取完整答案”的传统交互模式。人们期望看到的是文字像打字机一样逐字浮现——仿佛模型正在“思考”并“边想边说”。这种流…

作者头像 李华
网站建设 2026/2/26 3:17:07

腾讯云TI平台创建PyTorch深度学习任务

腾讯云TI平台创建PyTorch深度学习任务 在AI模型训练日益复杂的今天&#xff0c;一个常见的痛点是&#xff1a;明明代码写好了&#xff0c;数据也准备齐全&#xff0c;结果运行时却报错“CUDA not available”——翻遍文档才发现是PyTorch和CUDA版本不匹配。这种环境问题耗费了大…

作者头像 李华
网站建设 2026/2/26 4:25:17

Hyperopt自动化调参PyTorch神经网络实战

Hyperopt自动化调参PyTorch神经网络实战 在深度学习项目中&#xff0c;一个模型能否成功落地&#xff0c;往往不只取决于网络结构的设计。很多时候&#xff0c;真正决定性能上限的&#xff0c;是那些看似不起眼的超参数——比如学习率设成 0.001 还是 0.0005&#xff1f;用 Ada…

作者头像 李华
网站建设 2026/2/26 14:02:44

PyTorch-CUDA-v2.7镜像中监控磁盘IO性能的工具推荐

PyTorch-CUDA-v2.7镜像中监控磁盘IO性能的工具推荐 在现代深度学习开发中&#xff0c;一个看似“开箱即用”的 PyTorch-CUDA 容器镜像&#xff0c;比如广泛使用的 PyTorch-CUDA-v2.7&#xff0c;往往掩盖了底层系统行为的复杂性。我们习惯了关注 GPU 利用率、显存占用和训练吞吐…

作者头像 李华
网站建设 2026/2/26 18:09:37

Docker info显示主机GPU支持情况

Docker info显示主机GPU支持情况 在深度学习项目启动前&#xff0c;最令人沮丧的场景之一莫过于&#xff1a;代码写好、数据准备好&#xff0c;结果 torch.cuda.is_available() 却返回了 False。没有 GPU 加速&#xff0c;训练动辄需要几天的任务可能直接变成“不可能完成的任…

作者头像 李华
网站建设 2026/2/24 14:21:21

PyTorch Lightning简化复杂模型训练流程

PyTorch Lightning 如何重塑高效模型训练 在深度学习项目中&#xff0c;你是否经历过这样的场景&#xff1a;好不容易设计好一个新模型&#xff0c;信心满满地准备训练&#xff0c;结果一运行就报错 CUDA out of memory&#xff1f;或者想尝试多卡并行&#xff0c;却被复杂的分…

作者头像 李华