高质量数据

Twist Bioscience 的计算机模拟 DNA 合成平台和文库技术为科学家提供了高质量的文库,可在更短的时间内产生可靠的数据。与其他两项竞争技术(图 1)相比,Twist 的文库与设计氨基酸频率的偏离低于 1%。除精确匹配设计的氨基酸比率之外,Twist 的计算机模拟 DNA 合成平台还无缝整合了跨多域文库的理想结合基序和长度变异,使科学家能够精确设计和定制基因突变文库,从而能够对变异株空间进行全面分析。

同时 Twist 文库还避免了 NNK 和 TRIM 文库的典型问题和挑战。每个变异株均为逐碱基打印,并在合成前进行筛选,消除了终止密码子、易错基序、不需要的突变和任何不需要的偏倚,所有这些均在开始时进行。结果,针对所请求的功能性变异株丰富了文库,并减轻了筛选负担。

我们的文库在行业领先、易于使用、具有高度多样性,并且经过了精确设计,使得科学家有更多的机会实现其研究目标。

Twist 技术比较:NNK、Trimer 和 Twist

高级文库

在 Twist,我们利用在分子生物学方面的造诣精准构建基因突变文库。我们使用单碱基控制法,能够提供高度多样化的文库,同时不含可能会混淆筛选过程的基序。我们提供品质首屈一指的全定制文库,其中用户想要的变异符合用户确定的比例。以下是一例能够体现这一品质的 CVL。在七个连续的氨基酸位置生成了变异,且所有这些位置都有需要的变异且几乎全部达到要求的比例:

在位置 1 和 6,客户要求野生型氨基酸达到 40%(位置 1)和 30%(位置 7)。其余 18 种氨基酸均要求低至 3.3%。

在位置 3 至 5,要求有氨基酸残基,且其比例为 5.3%。

Twist 高级文库数据

用户定义的 CDR 文库

您可以使用我们的用户自定义基因突变文库来选择您要纳入所选框架的独特 CDR(互补决定区)序列。

每个 CDR 都可以进行密码子优化,以避免生成不需要的限制性位点。机器学习已成为科研工作不可分割的一部分,它作为一种工具用于分析抗体文库,还可以找出诸如亲和力和特异性更高的独特 CDR 组合。

使用 Twist 的硅基合成平台,通过分析设计出的文库组合都可以进行合成并顺利整合到同一个全合成的文库中,以优化对变体区域的研究。

Twist 用户自定义的 CDR 文库数据

采用 NGS 进行文库质量控制

由于每个文库都进行了 NGS 验证,因此即使阴性数据,也能够用来识别功能未提升的突变,并且可在下一次文库设计时将其剔除。

表中显示了使用合成的诱变区域的七个位点的氨基酸频率 (%)。在七个连续氨基酸位点产生突变体,前七个位点有 19 个氨基酸残基(省略半胱氨酸)。从 NGS 获得的列表频率数据,绿色阴影表示偏离预期值。所有预期变异均存在于所有位点,其观察到的频率在 5.3% 的预期值(质量标准)的 25% 以内。

采用 NGS 数据进行质量控制的 Twist 文库