Eiwit Oplosbaarheid Calculator: Voorspel Oplossing in Verschillende Oplosmiddelen

Inleiding tot Eiwit Oplosbaarheid

Eiwit oplosbaarheid is een cruciale parameter in de biochemie, farmaceutische ontwikkeling en biotechnologie die de maximale concentratie bepaalt waarbij een eiwit opgelost blijft in een specifiek oplosmiddel. Deze Eiwit Oplosbaarheid Calculator biedt een betrouwbare methode om te voorspellen hoe goed verschillende eiwitten zullen oplossen in verschillende oplossingen op basis van belangrijke fysisch-chemische parameters. Of je nu biopharmaceuticals formuleert, zuiveringsprotocollen ontwerpt of onderzoeksexperimenten uitvoert, het begrijpen van eiwit oplosbaarheid is essentieel voor succesvolle resultaten.

Oplosbaarheid wordt beïnvloed door meerdere factoren, waaronder eiwitkenmerken (grootte, lading, hydrofobiciteit), oplosmiddel eigenschappen (polariteit, pH, ionsterkte) en omgevingsomstandigheden (temperatuur). Onze calculator integreert deze variabelen met behulp van gevestigde biofysische principes om nauwkeurige oplosbaarheid voorspellingen te leveren voor veelvoorkomende eiwitten in standaard laboratorium oplosmiddelen.

De Wetenschap Achter Eiwit Oplosbaarheid

Belangrijke Factoren die Eiwit Oplosbaarheid Beïnvloeden

Eiwit oplosbaarheid hangt af van een complexe interactie tussen moleculaire interacties tussen het eiwit, oplosmiddel en andere opgeloste stoffen. De primaire factoren zijn:

1. Eiwit Eigenschappen:

   • Hydrofobiciteit: Meer hydrofobe eiwitten hebben over het algemeen een lagere wateroplosbaarheid
   • Verdeling van oppervlakte lading: Beïnvloedt elektrostatistische interacties met oplosmiddel
   • Moleculair gewicht: Grotere eiwitten hebben vaak verschillende oplosbaarheidsprofielen
   • Structurele stabiliteit: Beïnvloedt de neiging tot aggregatie of denaturatie

2. Oplosmiddel Kenmerken:

   • Polariteit: Bepaalt hoe goed het oplosmiddel interacteert met geladen gebieden
   • pH: Beïnvloedt eiwit lading en conformatie
   • Ionsterkte: Beïnvloedt elektrostatistische interacties

3. Omgevingsomstandigheden:

   • Temperatuur: Verhoogt doorgaans de oplosbaarheid maar kan denaturatie veroorzaken
   • Druk: Kan eiwitconformatie en oplosbaarheid beïnvloeden
   • Tijd: Sommige eiwitten kunnen langzaam neerslaan over tijd

Wiskundig Model voor Eiwit Oplosbaarheid

Onze calculator maakt gebruik van een uitgebreid model dat rekening houdt met de belangrijkste factoren die eiwit oplosbaarheid beïnvloeden. De kernvergelijking kan worden weergegeven als:

$S = S_0 \cdot f_{eiwit} \cdot f_{oplosmiddel} \cdot f_{temp} \cdot f_{pH} \cdot f_{ionisch}$

Waar:

• $S$ = Berekende oplosbaarheid (mg/mL)
• $S_0$ = Basis oplosbaarheid factor
• $f_{eiwit}$ = Eiwit-specifieke factor op basis van hydrofobiciteit
• $f_{oplosmiddel}$ = Oplosmiddel-specifieke factor op basis van polariteit
• $f_{temp}$ = Temperatuur correctiefactor
• $f_{pH}$ = pH correctiefactor
• $f_{ionisch}$ = Ionsterkte correctiefactor

Elke factor is afgeleid van empirische relaties:

1. Eiwit Factor: $f_{eiwit} = (1 - H_p)$

   • Waar $H_p$ de hydrofobiciteitsindex van het eiwit is (0-1)

2. Oplosmiddel Factor: $f_{oplosmiddel} = P_s$

   • Waar $P_s$ de polariteitsindex van het oplosmiddel is

3. Temperatuur Factor:

   1 + \frac{T - 25}{50}, & \text{als } T < 60°C \\ 1 + \frac{60 - 25}{50} - \frac{T - 60}{20}, & \text{als } T \geq 60°C \end{cases}$$ - Waar $T$ temperatuur in °C is

4. pH Factor: $f_{pH} = 0.5 + \frac{|pH - pI|}{3}$

   • Waar $pI$ het iso-elektrische punt van het eiwit is

5. Ionsterkte Factor:

   1 + I, & \text{als } I < 0.5M \\ 1 + 0.5 - \frac{I - 0.5}{2}, & \text{als } I \geq 0.5M \end{cases}$$ - Waar $I$ ionsterkte in molair (M) is

Dit model houdt rekening met de complexe, niet-lineaire relaties tussen variabelen, inclusief de "salting-in" en "salting-out" effecten die worden waargenomen bij verschillende ionsterkten.

Oplosbaarheid Categorieën

Op basis van de berekende oplosbaarheid worden eiwitten gecategoriseerd in de volgende categorieën:

Hoe de Eiwit Oplosbaarheid Calculator te Gebruiken

Onze calculator biedt een eenvoudige interface om eiwit oplosbaarheid te voorspellen op basis van jouw specifieke omstandigheden. Volg deze stappen om nauwkeurige resultaten te verkrijgen:

1. Selecteer Eiwit Type: Kies uit veelvoorkomende eiwitten, waaronder albumine, lysozymen, insuline en anderen.

2. Kies Oplosmiddel: Selecteer het oplosmiddel waarin je de eiwit oplosbaarheid wilt bepalen (water, buffers, organische oplosmiddelen).

3. Stel Omgevingsparameters In:

   • Temperatuur: Voer de temperatuur in °C in (typisch tussen 4-60°C)
   • pH: Geef de pH-waarde op (0-14)
   • Ionsterkte: Voer de ionsterkte in molair (M) in

4. Bekijk Resultaten: De calculator toont:

   • Berekende oplosbaarheid in mg/mL
   • Oplosbaarheid categorie (onoplosbaar tot hoog oplosbaar)
   • Visuele weergave van relatieve oplosbaarheid

5. Interpreteer de Resultaten: Gebruik de berekende oplosbaarheid om je experimentele ontwerp of formulering strategie te informeren.

Tips voor Nauwkeurige Berekeningen

• Gebruik Nauwkeurige Invoer: Nauwkeurigere invoerparameters leiden tot betere voorspellingen
• Overweeg Eiwit Zuiverheid: Berekeningen gaan uit van pure eiwitten; verontreinigingen kunnen de werkelijke oplosbaarheid beïnvloeden
• Rekening Houden met Additieven: De aanwezigheid van stabilisatoren of andere excipiënten kan de oplosbaarheid beïnvloeden
• Valideer Experimenteel: Bevestig altijd voorspellingen met laboratoriumtesten voor kritische toepassingen

Praktische Toepassingen

Farmaceutische Ontwikkeling

Eiwit oplosbaarheid is cruciaal in biopharmaceutical formulering, waar therapeutische eiwitten stabiel en oplosbaar moeten blijven:

• Geneesmiddel Formulering: Bepalen van optimale omstandigheden voor eiwit-gebaseerde geneesmiddelen
• Stabiliteitstests: Voorspellen van langetermijnstabiliteit onder opslagomstandigheden
• Afleveringssysteem Ontwerp: Ontwikkelen van injecteerbare of orale eiwitformuleringen
• Kwaliteitscontrole: Vaststellen van specificaties voor eiwitoplossingen

Onderzoek en Laboratorium Toepassingen

Wetenschappers vertrouwen op eiwit oplosbaarheid voorspellingen voor tal van toepassingen:

• Eiwit Zuivering: Optimaliseren van omstandigheden voor extractie en zuivering
• Kristallografie: Vinden van geschikte omstandigheden voor eiwitkristalgroei
• Enzym Assays: Zorgen dat enzymen actief blijven in oplossing
• Eiwit-Eiwit Interactie Studies: Eiwitten in oplossing houden voor bindingsstudies

Industriële Biotechnologie

Eiwit oplosbaarheid beïnvloedt grootschalige bioprocessen:

• Fermentatie Optimalisatie: Maximaliseren van eiwitproductie in bioreactoren
• Downstream Verwerking: Ontwerpen van efficiënte scheidings- en zuiveringsstappen
• Productformulering: Creëren van stabiele eiwitproducten voor commercieel gebruik
• Schaalvergroting Overwegingen: Voorspellen van gedrag tijdens industriële productie

Voorbeeldscenario's

1. Antilichaam Formulering:

   • Eiwit: IgG antilichaam (vergelijkbaar met albumine)
   • Oplosmiddel: Fosfaatbuffer
   • Omstandigheden: 25°C, pH 7.4, 0.15M ionsterkte
   • Voorspelde Oplosbaarheid: ~50 mg/mL (Oplosbaar)

2. Enzym Opslagoplossing:

   • Eiwit: Lysozym
   • Oplosmiddel: Glycerol/water mengsel
   • Omstandigheden: 4°C, pH 5.0, 0.1M ionsterkte
   • Voorspelde Oplosbaarheid: ~70 mg/mL (Hoog Oplosbaar)

3. Eiwit Kristallisatie Screening:

   • Eiwit: Insuline
   • Oplosmiddel: Diverse buffers met precipitanten
   • Omstandigheden: 20°C, pH bereik 4-9, variërende ionsterkten
   • Voorspelde Oplosbaarheid: Variabel (gebruikt om omstandigheden nabij de oplosbaarheidslimiet te identificeren)

Alternatieven voor Computationele Voorspelling

Hoewel onze calculator snelle schattingen biedt, zijn er andere methoden voor het bepalen van eiwit oplosbaarheid, waaronder:

1. Experimentele Bepaling:

   • Concentratiemeting: Directe meting van opgelost eiwit
   • Neerslagmethoden: Geleidelijk de eiwitconcentratie verhogen tot neerslag optreedt
   • Turbiditeitsassays: Meten van de troebelheid van de oplossing als indicator van onoplosbaarheid
   • Voordelen: Nauwkeuriger voor specifieke systemen
   • Nadelen: Tijdrovend, vereist laboratoriumbronnen

2. Moleculaire Dynamica Simulaties:

   • Gebruikt computationele fysica om eiwit-oplosmiddel interacties te modelleren
   • Voordelen: Kan gedetailleerde moleculaire inzichten bieden
   • Nadelen: Vereist gespecialiseerde software en expertise, computationeel intensief

3. Machine Learning Benaderingen:

   • Getraind op experimentele datasets om oplosbaarheid te voorspellen
   • Voordelen: Kan complexe patronen vastleggen die niet evident zijn in eenvoudige modellen
   • Nadelen: Vereist grote trainingsdatasets, kan slecht generaliseren

Historische Ontwikkeling van het Begrip Eiwit Oplosbaarheid

De studie van eiwit oplosbaarheid is de afgelopen eeuw aanzienlijk geëvolueerd:

Vroege Ontdekkingen (1900-1940)

Het pionierswerk van wetenschappers zoals Edwin Cohn en Jesse Greenstein legde fundamentele principes van eiwit oplosbaarheid vast. Cohn's fractioneringsmethode, ontwikkeld in de jaren 1940, gebruikte differentiële oplosbaarheid om plasma-eiwitten te scheiden en was cruciaal voor de productie van albumine voor medisch gebruik tijdens de Tweede Wereldoorlog.

Hofmeister Serie (1888)

De ontdekking van ion-specifieke effecten op eiwit oplosbaarheid door Franz Hofmeister (de Hofmeister serie) blijft vandaag relevant. Hij observeerde dat bepaalde ionen (zoals sulfaat) eiwitneerslag bevorderen, terwijl andere (zoals jodide) oplosbaarheid verbeteren.

Moderne Biofysische Begrip (1950-1990)

De ontwikkeling van röntgenkristallografie en andere structurele technieken bood inzicht in hoe eiwitstructuur oplosbaarheid beïnvloedt. Wetenschappers zoals Christian Anfinsen demonstreerden de relatie tussen eiwitvouwing en oplosbaarheid, waarbij werd aangetoond dat de natuurlijke staat meestal de meest stabiele (en vaak meest oplosbare) configuratie vertegenwoordigt.

Computationele Benaderingen (1990-heden)

Vooruitgangen in rekenkracht hebben steeds geavanceerdere modellen mogelijk gemaakt voor het voorspellen van eiwit oplosbaarheid. Moderne benaderingen integreren moleculaire dynamica, machine learning en gedetailleerde fysisch-chemische parameters om nauwkeurigere voorspellingen te bieden voor diverse eiwitten en omstandigheden.

Implementatie Voorbeelden

Hier zijn codevoorbeelden die laten zien hoe je eiwit oplosbaarheid kunt berekenen met verschillende programmeertalen:

1def calculate_protein_solubility(protein_type, solvent_type, temperature, pH, ionic_strength):
2    # Eiwit hydrophobiciteit waarden (voorbeeld)
3    protein_hydrophobicity = {
4        'albumin': 0.3,
5        'lysozyme': 0.2,
6        'insulin': 0.5,
7        'hemoglobin': 0.4,
8        'myoglobin': 0.35
9    }
10    
11    # Oplosmiddel polariteit waarden (voorbeeld)
12    solvent_polarity = {
13        'water': 9.0,
14        'phosphate_buffer': 8.5,
15        'ethanol': 5.2,
16        'methanol': 6.6,
17        'dmso': 7.2
18    }
19    
20    # Basis oplosbaarheid berekening
21    base_solubility = (1 - protein_hydrophobicity[protein_type]) * solvent_polarity[solvent_type] * 10
22    
23    # Temperatuur factor
24    if temperature < 60:
25        temp_factor = 1 + (temperature - 25) / 50
26    else:
27        temp_factor = 1 + (60 - 25) / 50 - (temperature - 60) / 20
28    
29    # pH factor
30    pI = 5.5
31    pH_factor = 0.5 + abs(pH - pI) / 3
32    
33    # Ionsterkte factor
34    if ionic_strength < 0.5:
35        ionic_factor = 1 + ionic_strength
36    else:
37        ionic_factor = 1 + 0.5 - (ionic_strength - 0.5) / 2
38    
39    # Bereken uiteindelijke oplosbaarheid
40    solubility = base_solubility * temp_factor * pH_factor * ionic_factor
41    
42    return round(solubility, 2)
43
44# Voorbeeld gebruik
45solubility = calculate_protein_solubility('albumin', 'water', 25, 7.0, 0.15)
46print(f"Voorspelde oplosbaarheid: {solubility} mg/mL")
47

1function calculateProteinSolubility(proteinType, solventType, temperature, pH, ionicStrength) {
2  // Eiwit hydrophobiciteit waarden
3  const proteinHydrophobicity = {
4    albumin: 0.3,
5    lysozyme: 0.2,
6    insulin: 0.5,
7    hemoglobin: 0.4,
8    myoglobin: 0.35
9  };
10  
11  // Oplosmiddel polariteit waarden
12  const solventPolarity = {
13    water: 9.0,
14    phosphateBuffer: 8.5,
15    ethanol: 5.2,
16    methanol: 6.6,
17    dmso: 7.2
18  };
19  
20  // Basis oplosbaarheid berekening
21  const baseSolubility = (1 - proteinHydrophobicity[proteinType]) * solventPolarity[solventType] * 10;
22  
23  // Temperatuur factor
24  let tempFactor;
25  if (temperature < 60) {
26    tempFactor = 1 + (temperature - 25) / 50;
27  } else {
28    tempFactor = 1 + (60 - 25) / 50 - (temperature - 60) / 20;
29  }
30  
31  // pH factor
32  const pI = 5.5;
33  const pHFactor = 0.5 + Math.abs(pH - pI) / 3;
34  
35  // Ionsterkte factor
36  let ionicFactor;
37  if (ionicStrength < 0.5) {
38    ionicFactor = 1 + ionicStrength;
39  } else {
40    ionicFactor = 1 + 0.5 - (ionicStrength - 0.5) / 2;
41  }
42  
43  // Bereken uiteindelijke oplosbaarheid
44  const solubility = baseSolubility * tempFactor * pHFactor * ionicFactor;
45  
46  return Math.round(solubility * 100) / 100;
47}
48
49// Voorbeeld gebruik
50const solubility = calculateProteinSolubility('albumin', 'water', 25, 7.0, 0.15);
51console.log(`Voorspelde oplosbaarheid: ${solubility} mg/mL`);
52

1public class ProteinSolubilityCalculator {
2    public static double calculateSolubility(String proteinType, String solventType, 
3                                            double temperature, double pH, double ionicStrength) {
4        // Eiwit hydrophobiciteit waarden
5        Map<String, Double> proteinHydrophobicity = new HashMap<>();
6        proteinHydrophobicity.put("albumin", 0.3);
7        proteinHydrophobicity.put("lysozyme", 0.2);
8        proteinHydrophobicity.put("insulin", 0.5);
9        proteinHydrophobicity.put("hemoglobin", 0.4);
10        proteinHydrophobicity.put("myoglobin", 0.35);
11        
12        // Oplosmiddel polariteit waarden
13        Map<String, Double> solventPolarity = new HashMap<>();
14        solventPolarity.put("water", 9.0);
15        solventPolarity.put("phosphateBuffer", 8.5);
16        solventPolarity.put("ethanol", 5.2);
17        solventPolarity.put("methanol", 6.6);
18        solventPolarity.put("dmso", 7.2);
19        
20        // Basis oplosbaarheid berekening
21        double baseSolubility = (1 - proteinHydrophobicity.get(proteinType)) 
22                              * solventPolarity.get(solventType) * 10;
23        
24        // Temperatuur factor
25        double tempFactor;
26        if (temperature < 60) {
27            tempFactor = 1 + (temperature - 25) / 50;
28        } else {
29            tempFactor = 1 + (60 - 25) / 50 - (temperature - 60) / 20;
30        }
31        
32        // pH factor
33        double pI = 5.5;
34        double pHFactor = 0.5 + Math.abs(pH - pI) / 3;
35        
36        // Ionsterkte factor
37        double ionicFactor;
38        if (ionicStrength < 0.5) {
39            ionicFactor = 1 + ionicStrength;
40        } else {
41            ionicFactor = 1 + 0.5 - (ionicStrength - 0.5) / 2;
42        }
43        
44        // Bereken uiteindelijke oplosbaarheid
45        double solubility = baseSolubility * tempFactor * pHFactor * ionicFactor;
46        
47        // Afronden op 2 decimalen
48        return Math.round(solubility * 100) / 100.0;
49    }
50    
51    public static void main(String[] args) {
52        double solubility = calculateSolubility("albumin", "water", 25, 7.0, 0.15);
53        System.out.printf("Voorspelde oplosbaarheid: %.2f mg/mL%n", solubility);
54    }
55}
56

1calculate_protein_solubility <- function(protein_type, solvent_type, temperature, pH, ionic_strength) {
2  # Eiwit hydrophobiciteit waarden
3  protein_hydrophobicity <- list(
4    albumin = 0.3,
5    lysozyme = 0.2,
6    insulin = 0.5,
7    hemoglobin = 0.4,
8    myoglobin = 0.35
9  )
10  
11  # Oplosmiddel polariteit waarden
12  solvent_polarity <- list(
13    water = 9.0,
14    phosphate_buffer = 8.5,
15    ethanol = 5.2,
16    methanol = 6.6,
17    dmso = 7.2
18  )
19  
20  # Basis oplosbaarheid berekening
21  base_solubility <- (1 - protein_hydrophobicity[[protein_type]]) * 
22                     solvent_polarity[[solvent_type]] * 10
23  
24  # Temperatuur factor
25  temp_factor <- if (temperature < 60) {
26    1 + (temperature - 25) / 50
27  } else {
28    1 + (60 - 25) / 50 - (temperature - 60) / 20
29  }
30  
31  # pH factor
32  pI <- 5.5
33  pH_factor <- 0.5 + abs(pH - pI) / 3
34  
35  # Ionsterkte factor
36  ionic_factor <- if (ionic_strength < 0.5) {
37    1 + ionic_strength
38  } else {
39    1 + 0.5 - (ionic_strength - 0.5) / 2
40  }
41  
42  # Bereken uiteindelijke oplosbaarheid
43  solubility <- base_solubility * temp_factor * pH_factor * ionic_factor
44  
45  # Afronden op 2 decimalen
46  return(round(solubility, 2))
47}
48
49# Voorbeeld gebruik
50solubility <- calculate_protein_solubility("albumin", "water", 25, 7.0, 0.15)
51cat(sprintf("Voorspelde oplosbaarheid: %s mg/mL\n", solubility))
52

Veelgestelde Vragen

Wat is eiwit oplosbaarheid?

Eiwit oplosbaarheid verwijst naar de maximale concentratie waarbij een eiwit volledig opgelost blijft in een specifieke oplosmiddel onder gegeven omstandigheden. Het is een cruciale parameter in de biochemie en farmaceutische ontwikkeling die bepaalt hoe goed een eiwit oplost in plaats van aggregaten of neerslagen te vormen.

Welke factoren beïnvloeden eiwit oplosbaarheid het meest?

De meest invloedrijke factoren zijn pH (vooral ten opzichte van het iso-elektrische punt van het eiwit), ionsterkte van de oplossing, temperatuur en de intrinsieke eigenschappen van het eiwit zelf (vooral oppervlakte hydrofobiciteit en ladingverdeling). De samenstelling van het oplosmiddel speelt ook een grote rol.

Hoe beïnvloedt pH eiwit oplosbaarheid?

Eiwitten zijn doorgaans het minst oplosbaar bij hun iso-elektrische punt (pI) waar de netto lading nul is, waardoor de elektrostatistische afstoting tussen moleculen vermindert. Oplosbaarheid neemt doorgaans toe naarmate de pH zich verder van de pI in beide richtingen beweegt, omdat het eiwit een netto positieve of negatieve lading verwerft.

Waarom beïnvloedt temperatuur eiwit oplosbaarheid?

Temperatuur beïnvloedt eiwit oplosbaarheid op twee manieren: hogere temperaturen verhogen doorgaans de oplosbaarheid door meer thermische energie te bieden om intermoleculaire aantrekkingen te overwinnen, maar overmatige temperaturen kunnen denaturatie veroorzaken, wat de oplosbaarheid kan verminderen als de denatureerde staat minder oplosbaar is.

Wat is het "salting-in" en "salting-out" effect?

"Salting-in" vindt plaats bij lage ionsterkten waarbij toegevoegde ionen de eiwit oplosbaarheid verhogen door geladen groepen te beschermen. "Salting-out" gebeurt bij hoge ionsterkten waarbij ionen concurreren met eiwitten om watermoleculen, waardoor de eiwitoplossing afneemt en de oplosbaarheid vermindert.

Hoe nauwkeurig zijn computationele voorspellingen van eiwit oplosbaarheid?

Computational voorspellingen bieden goede schattingen, maar hebben doorgaans een foutmarge van 10-30% in vergelijking met experimentele waarden. De nauwkeurigheid hangt af van hoe goed de eigenschappen van het eiwit zijn gekarakteriseerd en hoe vergelijkbaar het is met eiwitten die zijn gebruikt om het voorspellingsmodel te ontwikkelen.

Kan de calculator oplosbaarheid voor elk eiwit voorspellen?

De calculator werkt het beste voor goed gekarakteriseerde eiwitten die vergelijkbaar zijn met die in de database. Nieuwe of sterk gemodificeerde eiwitten kunnen unieke eigenschappen hebben die niet door het model worden vastgelegd, wat de nauwkeurigheid van de voorspelling kan verminderen.

Hoe beïnvloedt eiwitconcentratie oplosbaarheidmetingen?

Eiwit oplosbaarheid is concentratie-afhankelijk; naarmate de concentratie toeneemt, is de kans groter dat eiwitten met elkaar interageren in plaats van met het oplosmiddel, wat kan leiden tot aggregatie of neerslag zodra de oplosbaarheidslimiet is bereikt.

Wat is het verschil tussen oplosbaarheid en stabiliteit?

Oplosbaarheid verwijst specifiek naar hoeveel eiwit in oplossing kan oplossen, terwijl stabiliteit verwijst naar hoe goed het eiwit zijn natuurlijke structuur en functie in de loop van de tijd behoudt. Een eiwit kan zeer oplosbaar zijn maar onstabiel (geneigd tot afbraak), of stabiel maar slecht oplosbaar.

Hoe kan ik de voorspelde oplosbaarheid experimenteel verifiëren?

Experimentele verificatie omvat meestal het voorbereiden van eiwitoplossingen bij toenemende concentraties totdat neerslag optreedt, of het gebruik van technieken zoals dynamische lichtverstrooiing om de vorming van aggregaten te detecteren. Centrifugatie gevolgd door eiwitconcentratiemeting in het supernatant kan ook de werkelijke oplosbaarheid kwantificeren.

Referenties

1. Arakawa, T., & Timasheff, S. N. (1984). Mechanism of protein salting in and salting out by divalent cation salts: balance between hydration and salt binding. Biochemistry, 23(25), 5912-5923.

2. Cohn, E. J., & Edsall, J. T. (1943). Proteins, amino acids and peptides as ions and dipolar ions. Reinhold Publishing Corporation.

3. Fink, A. L. (1998). Protein aggregation: folding aggregates, inclusion bodies and amyloid. Folding and Design, 3(1), R9-R23.

4. Kramer, R. M., Shende, V. R., Motl, N., Pace, C. N., & Scholtz, J. M. (2012). Toward a molecular understanding of protein solubility: increased negative surface charge correlates with increased solubility. Biophysical Journal, 102(8), 1907-1915.

5. Trevino, S. R., Scholtz, J. M., & Pace, C. N. (2008). Measuring and increasing protein solubility. Journal of Pharmaceutical Sciences, 97(10), 4155-4166.

6. Wang, W., Nema, S., & Teagarden, D. (2010). Protein aggregation—Pathways and influencing factors. International Journal of Pharmaceutics, 390(2), 89-99.

7. Zhang, J. (2012). Protein-protein interactions in salt solutions. In Protein-protein interactions–computational and experimental tools. IntechOpen.

8. Zhou, H. X., & Pang, X. (2018). Electrostatic interactions in protein structure, folding, binding, and condensation. Chemical Reviews, 118(4), 1691-1741.

Probeer vandaag onze Eiwit Oplosbaarheid Calculator om je eiwitformuleringen en experimentele omstandigheden te optimaliseren. Of je nu een nieuw biopharmaceutical ontwikkelt of laboratoriumexperimenten plant, nauwkeurige oplosbaarheid voorspellingen kunnen tijd en middelen besparen terwijl ze de resultaten verbeteren. Heb je vragen of suggesties? Neem contact met ons op voor verdere assistentie met jouw specifieke eiwit oplosbaarheid uitdagingen.