蛋白质分子量计算器

Q: 为什么我的实验分子量与计算值不同？

看到计算和实验分子量之间有差异？以下是最常见的原因： 翻译后修饰 — 最大的差异来源。糖基化可增加2-30 kDa。每个磷酸基增加80 Da。乙酰化增加42 Da。计算器无法预测这些；你需要手动添加或使用质谱测量实际质量。 二硫键 — 每个二硫键移除2个氢原子（2.016 Da）。对于有4个二硫键的蛋白质，从计算的分子量中减去8.064 Da。 蛋白水解加工 — 信号肽、前序列或内部切割位点会减少分子量。如果你的蛋白质经历加工，计算成熟形式的分子量，而非全长前体。 异常SDS-PAGE迁移 — 你的蛋白质在凝胶上可能以不同于预期的位置迁移。高酸性蛋白质（大量D、E）迁移较慢（看起来更重）。富含脯氨酸的蛋白质迁移更快（看起来更轻）。不要假设基于凝胶的分子量准确—用质谱确认。

Q: 这个计算器能处理非标准或修饰的氨基酸吗？

不能，这个计算器仅适用于20种标准氨基酸（A, R, N, D, C, E, Q, G, H, I, L, K, M, F, P, S, T, W, Y, V）。 对于硒半胱氨酸（U）或吡咯赖氨酸（O），你需要手动计算：将U替换为C，获取分子量，然后为每个硒半胱氨酸添加47 Da。对于吡咯赖氨酸，质量差异更复杂。 对于修饰残基（羟基脯氨酸、甲基化赖氨酸等），计算基础序列的分子量，然后手动添加修饰质量。大多数质谱软件包含常见翻译后修饰的修饰数据库。

Q: 氨基酸组成告诉我什么？

氨基酸组成细分显示序列中每种氨基酸的数量及其百分比。这有助于你： 预测蛋白质行为 — 高半胱氨酸含量暗示二硫键。大量脯氨酸表明潜在的转角或无序区域。许多疏水残基（V, I, L, F, W, M）暗示跨膜域。 规划紫外定量 — 蛋白质需要W, Y或C才能在280 nm处有紫外吸收。如果你的蛋白质没有W和Y，就无法使用A280测量浓度。 设计纯化 — 高组氨酸含量可能导致与镍柱的非特异性结合。大量带电残基（K, R, D, E）表明强离子交换结合。 排查表达 — 某些氨基酸的罕见密码子可能限制在大肠杆菌中的表达。高精氨酸或亮氨酸含量可能需要密码子优化。

Q: 单同位素分子量和平均分子量有什么区别？

单同位素分子量（本计算器提供）使用每种元素最丰富同位素的质量—¹²C, ¹H, ¹⁶O, ¹⁴N, ³²S。这给出一个单一的精确值。 平均分子量考虑元素的自然同位素分布。碳自然含有约1.1%的¹³C，比¹²C重1 Da。对于小肽（ 50 kDa），差异可超过10 Da。 哪个对你的工作很重要？质谱仪通常报告5000 Da以下分子的单同位素质量，大于此的蛋白质报告平均质量。如果你要与实验质谱数据比较，请检查你的仪器报告哪种类型。

简介

处理蛋白质意味着您将不断需要计算分子量。无论您是在准备SDS-PAGE、设置凝胶过滤还是解释质谱结果，了解蛋白质序列的理论质量都是基础。

这个蛋白质分子量计算器可以从氨基酸序列中快速准确地得出结果。使用标准单字母编码（如MVKMDVYKGSSIGDSMSRSM）输入您的序列，您将得到以道尔顿为单位的分子量，并附带氨基酸组成明细。这在实践中特别有用的地方在于自动验证功能——它会在您浪费时间进行故障排除之前捕捉无效的氨基酸编码。

蛋白质分子量代表个别氨基酸质量的总和，减去肽键形成过程中损失的水分子。您会看到这个值以道尔顿（Da）或千道尔顿（kDa）表示，其中1 kDa等于1,000 Da。需要记住的是：这种计算仅基于序列给出理论分子量。实际蛋白质由于翻译后修饰常常有所不同，这些修饰可能会增加从几道尔顿（磷酸化）到几千道尔顿（糖基化）不等的质量。

蛋白质分子量的计算方法

基本公式

蛋白质的分子量使用以下公式计算：

$MW_{protein} = \sum_{i=1}^{n} MW_{amino acid_i} - (n-1) \times MW_{water} + MW_{water}$

其中：

$MW_{protein}$ 是以道尔顿（Da）表示的整个蛋白质的分子量
$\sum_{i=1}^{n} MW_{amino acid_i}$ 是所有单个氨基酸分子量的总和
$n$ 是序列中氨基酸的数量
$MW_{water}$ 是水的分子量（18.01528 Da）
$(n-1)$ 表示形成的肽键数量
最后的 $+ MW_{water}$ 项考虑了末端基团（H 和 OH）

氨基酸分子量

计算使用20种常见氨基酸的标准分子量：

氨基酸	单字母代码	分子量（Da）
丙氨酸	A	71.03711
精氨酸	R	156.10111
天冬酰胺	N	114.04293
天冬氨酸	D	115.02694
半胱氨酸	C	103.00919
谷氨酸	E	129.04259
谷氨酰胺	Q	128.05858
甘氨酸	G	57.02146
组氨酸	H	137.05891
异亮氨酸	I	113.08406
亮氨酸	L	113.08406
赖氨酸	K	128.09496
甲硫氨酸	M	131.04049
苯丙氨酸	F	147.06841
脯氨酸	P	97.05276
丝氨酸	S	87.03203
苏氨酸	T	101.04768
色氨酸	W	186.07931
酪氨酸	Y	163.06333
缬氨酸	V	99.06841

肽键形成中的水分子损失

当氨基酸链接形成蛋白质时，每个肽键会释放一个水分子（H₂O）。这被称为缩聚反应——一个氨基酸的羧基与下一个氨基酸的氨基结合，在过程中释放 H₂O。

数学解释：具有 n 个氨基酸的蛋白质形成 (n-1) 个肽键，这意味着释放 (n-1) 个水分子。但我们又加回一个水分子以考虑末端基团——N末端的自由 H 和 C末端的自由 OH。这就是为什么公式包含 - (n-1) × MW_water + MW_water，这简化了末端基团的计算。

示例计算

让我们计算一个简单三肽的分子量：丙氨酸-甘氨酸-丝氨酸（AGS）

求单个氨基酸的质量：
- 丙氨酸（A）：71.03711 Da
- 甘氨酸（G）：57.02146 Da
- 丝氨酸（S）：87.03203 Da
- 总量：215.0906 Da
减去肽键形成的水分子损失：
- 肽键数量 = 3-1 = 2
- 水分子分子量 = 18.01528 Da
- 总水分子损失 = 2 × 18.01528 = 36.03056 Da
加回一个水分子以考虑末端基团：
- 18.01528 Da
最终分子量：
- 215.0906 - 36.03056 + 18.01528 = 197.07532 Da

如何使用蛋白质分子量计算器

使用这个计算器只需几秒钟：

将您的蛋白质序列粘贴到文本框中。使用标准的单字母氨基酸代码（A, R, N, D, C, E, Q, G, H, I, L, K, M, F, P, S, T, W, Y, V）。大写和小写都可以。
验证会自动进行——您将立即看到序列中是否有无效字符。这可以捕捉常见的错误，如意外包含序列编号或FASTA标题。
结果会立即显示，包括：
- 道尔顿（Da）中的分子量
- 序列长度（氨基酸数量）
- 氨基酸组成明细
- 使用的计算方法
一键复制结果到剪贴板，用于实验室笔记、报告或进一步分析。

常见工作流程：从UniProt或质粒数据库复制序列，粘贴到此处，获取分子量，然后使用该值设置凝胶过滤柱或计算Western印迹上的预期条带位置。

准确结果的输入指南

输入序列时请记住以下提示：

仅使用标准单字母代码（大写或小写都可以）
去除FASTA标题 — 常见错误是粘贴包含 > 标题行的序列
删除序列编号 — 如果从比对软件复制，请先删除位置编号
注意模糊代码 — 不支持X、B、Z和J；您需要将这些替换为特定氨基酸
对于非标准氨基酸（硒代半胱氨酸、吡咯赖氨酸、修饰残基）— 此计算器将无法给出准确结果。您需要专门的工具或手动计算，以考虑确切的修饰。

解读结果

计算器提供以下几个信息：

分子量：以道尔顿（Da）表示的蛋白质估计分子量。对于较大的蛋白质，可能以千道尔顿（kDa）表示。
序列长度：序列中氨基酸的总数。
氨基酸组成：蛋白质氨基酸含量的可视化明细，显示每种氨基酸的数量和百分比。
计算方法：清晰解释分子量的计算方式，包括使用的公式。

蛋白质分子量计算的常见用例

在日常实验室工作中，了解蛋白质的分子量变得至关重要：

蛋白质纯化和分析

在纯化蛋白质时，分子量指导关键决策：

凝胶过滤柱设置 — 根据分子量范围选择树脂柱。对于50 kDa的蛋白质，Superdex 75效果很好；超过100 kDa时，切换到Superdex 200。
SDS-PAGE凝胶浓度 — 小蛋白（< 20 kDa）需要15%的凝胶以获得良好分辨率，而大蛋白（> 100 kDa）在8%的凝胶上运行更好。了解确切的分子量有助于选择正确的百分比。
质谱验证 — 计算的理论质量应与实验质谱结果在几道尔顿内匹配（考虑仪器精度）。大的差异表明可能存在意外的蛋白酶解或修饰。
表达验证 — 当在凝胶上看到条带时，将其位置与计算的分子量进行比较，可以确认表达了正确的蛋白质。

重组蛋白生产

在生物技术和研究环境中，分子量计算是基础：

表达构建设计 — 添加标签（His-标签、GST、MBP）时，计算总分子量以预测融合蛋白在凝胶上的迁移位置
产量估算 — 使用消光系数将吸光度读数转换为蛋白质浓度，然后计算总产量（毫克）
纯化策略 — 根据蛋白质分子量相对于结合容量选择亲和力树脂和柱子大小
产品表征 — 质量控制规格要求分子量验证；偏差表明批次间变异性

肽合成

对于合成肽，准确的分子量是不可协商的：

起始材料计算 — 每个氨基酸偶联都需要精确的化学计量；分子量决定确切的用量
理论产率预测 — 将实际产率与基于分子量的理论产率进行比较，以评估合成效率
HPLC-MS验证 — 计算的分子量是身份确认的目标质量
纯度评估 — 质谱数据显示靠近目标分子量的多个峰表明脱保护不完全或发生副反应

结构生物学

分子量在结构测定中起关键作用：

结晶筛选 — 晶体试验的蛋白质浓度通常为10-20 mg/mL；分子量在摩尔浓度和mg/mL之间转换，用于设置筛选
马修斯系数计算 — 根据分子量和单元晶胞体积预测晶体学不对称单元中的分子数
复合体化学计量 — 研究蛋白质-蛋白质相互作用时，将观察到的分子量（来自凝胶过滤或分析超速离心）与计算的单体质量进行比较，以确定是二聚体、四聚体还是更高级寡聚体
低温电镜样品制备 — 从分子量估算的颗粒大小有助于预测最佳网格制备条件

药物开发

对于治疗性蛋白质，分子量是关键质量属性：

表征和放行测试 — 每批次都需要在规定限度内（通常为理论值的±0.01%）确认分子量
配方开发 — 缓冲液制备和稳定性研究中的摩尔浓度计算需要准确的分子量
分析方法开发 — 使用理论分子量作为参考设置SEC-MALS、CE-SDS和质谱方法
监管文件 — IND和BLA提交需要详细的分子量计算和实验验证

分子量测定的替代方法

虽然这个计算器可以立即给出理论分子量，但其他方法也各有用途：

实验技术

质谱（MS） — 实际分子量测定的金标准。电喷雾质谱（ESI-MS）和基质辅助激光解吸电离飞行时间质谱（MALDI-TOF）可以对分子量高达约100 kDa的蛋白质进行±1 Da精度的测量。与基于序列的计算不同，质谱可以检测翻译后修饰、蛋白水解切割和其他修饰。权衡是：需要纯化的蛋白质和专业设备。

凝胶过滤色谱（SEC） — 根据流体动力学半径估算分子量。快速且适用于粗样品，但准确性有限（±10-20%）。SEC报告的是表观分子量，对于非球形蛋白或高度带电蛋白，这与实际分子量不同。

SDS-PAGE — 快速且廉价，但准确性最低（±15-30%）。对于高度酸性/碱性蛋白、糖蛋白或无法完全变性的蛋白，会出现异常迁移。适用于粗略估计，而非精确表征。

计算替代方法

ExPASy ProtParam — 瑞士生物信息学研究所的工具，可计算分子量以及等电点、消光系数、不稳定指数等。当需要全面的理化性质而非仅仅分子量时，可使用此工具。

EMBOSS Pepstats — EMBL-EBI的EMBOSS套件的一部分。提供氨基酸组成统计和分子量。适用于批量模式下分析多个序列。

特殊情况

对于具有非标准修饰（磷酸化、糖基化、脂质化）的蛋白质，需要手动将修饰质量添加到计算的分子量中。对于用于核磁共振的同位素标记蛋白质（¹⁵N、¹³C、²H），根据标记百分比计算质量偏移并加到标准分子量上。

蛋白质分子量测定的历史

分子量的概念自约翰·道尔顿在19世纪早期提出原子理论以来一直是化学的基础。然而，对于蛋白质的应用历史则相对更近：

早期蛋白质科学（1800年代-1920年代）

1838年，约恩斯·雅各布·贝泽利乌斯从希腊语词"proteios"中创造了"蛋白质"一词，意为"首要"或"最重要的"。
早期蛋白质科学家如弗雷德里克·桑格开始理解蛋白质由氨基酸组成。
蛋白质作为具有确定分子量的大分子的概念逐渐形成。

分析技术的发展（1930年代-1960年代）

西奥多·斯维德伯格在1920年代发明的超速离心法首次实现了蛋白质分子量的准确测量。
阿恩·蒂塞利乌斯在1930年代开发的电泳技术为估算蛋白质大小提供了另一种方法。
1958年，斯坦福·摩尔和威廉·H·斯坦完成了核糖核酸酶的首个完整氨基酸序列，使精确的分子量计算成为可能。

现代时期（1970年代-至今）

质谱技术的发展彻底改革了蛋白质分子量的测定。
约翰·芬恩和田中耕一因其软脱附电离方法在生物大分子质谱分析中的贡献，于2002年获得诺贝尔化学奖。
用于预测蛋白质性质（包括分子量）的计算方法变得越来越复杂和易于获取。
1990年代和2000年代基因组学和蛋白质组学的兴起，创造了对高通量蛋白质分析工具的需求，包括自动化分子量计算器。

如今，蛋白质分子量计算已成为蛋白质科学中常规但必不可少的部分，我们的计算器等工具使这些计算对全球研究者来说变得触手可及。

局限性和常见问题

这个计算器无法做什么

这个计算器提供氨基酸序列的理论分子量。它不考虑：

翻译后修饰 — 糖基化、磷酸化、泛素化、甲基化、乙酰化以及数十种其他修饰会改变分子量。对于经过修饰的蛋白质，您需要手动添加修饰质量或使用质谱法。

二硫键 — 形成二硫键的氧化半胱氨酸每个键损失2 Da。计算器假设所有半胱氨酸都是还原态（游离 -SH）。如果知道键的模式，每个二硫键减去2.016 Da。

非标准氨基酸 — 不支持硒半胱氨酸（U）、吡咯赖氨酸（O）、羟基脯氨酸或其他不寻常的残基。用最接近的标准氨基酸替换，或手动计算。

辅因子和辅基 — 血红素基团、金属离子、FAD、NAD+ 和其他辅因子未包括在内。如果它们紧密结合，请单独添加其分子量。

常见故障排除

"无效氨基酸代码"错误 — 您包含了不是标准氨基酸的字符。常见的罪魁祸首：FASTA 标题（以 > 开头）、序列编号、空格或不明确的代码如 X、B、Z。清理序列，仅包含 A-Z 氨基酸字母。

结果与文献不符 — 检查文献值是否包括标签（His-tag、GST、MBP）、信号肽或修饰。还要验证他们是报告完整长度的前体还是加工后的成熟形式。

凝胶条带出现在错误的大小 — SDS-PAGE 迁移异常很常见。非常酸性的蛋白质迁移比预测的慢。高度碱性的蛋白质或富含脯氨酸的序列迁移更快。糖蛋白显示巨大的差异。使用质谱法获取准确的分子量，而不是基于凝胶的估计。

代码示例

以下是如何在各种编程语言中计算蛋白质分子量的示例：

1' Excel VBA 蛋白质分子量计算函数
2Function ProteinMolecularWeight(sequence As String) As Double
3    ' 氨基酸分子量
4    Dim aaWeights As Object
5    Set aaWeights = CreateObject("Scripting.Dictionary")
6    
7    ' 初始化氨基酸权重
8    aaWeights("A") = 71.03711
9    aaWeights("R") = 156.10111
10    aaWeights("N") = 114.04293
11    aaWeights("D") = 115.02694
12    aaWeights("C") = 103.00919
13    aaWeights("E") = 129.04259
14    aaWeights("Q") = 128.05858
15    aaWeights("G") = 57.02146
16    aaWeights("H") = 137.05891
17    aaWeights("I") = 113.08406
18    aaWeights("L") = 113.08406
19    aaWeights("K") = 128.09496
20    aaWeights("M") = 131.04049
21    aaWeights("F") = 147.06841
22    aaWeights("P") = 97.05276
23    aaWeights("S") = 87.03203
24    aaWeights("T") = 101.04768
25    aaWeights("W") = 186.07931
26    aaWeights("Y") = 163.06333
27    aaWeights("V") = 99.06841
28    
29    ' 水分子量
30    Const WATER_WEIGHT As Double = 18.01528
31    
32    ' 转换序列为大写
33    sequence = UCase(sequence)
34    
35    ' 计算总重量
36    Dim totalWeight As Double
37    totalWeight = 0
38    
39    ' 求和各氨基酸权重
40    Dim i As Integer
41    For i = 1 To Len(sequence)
42        Dim aa As String
43        aa = Mid(sequence, i, 1)
44        
45        If aaWeights.Exists(aa) Then
46            totalWeight = totalWeight + aaWeights(aa)
47        Else
48            ' 无效氨基酸编码
49            ProteinMolecularWeight = -1
50            Exit Function
51        End If
52    Next i
53    
54    ' 减去肽键水分子损失并加入末端水分子
55    Dim numAminoAcids As Integer
56    numAminoAcids = Len(sequence)
57    
58    ProteinMolecularWeight = totalWeight - (numAminoAcids - 1) * WATER_WEIGHT + WATER_WEIGHT
59End Function
60
61' 在Excel中使用：
62' =ProteinMolecularWeight("ACDEFGHIKLMNPQRSTVWY")
63

1def calculate_protein_molecular_weight(sequence):
2    """
3    从氨基酸序列计算蛋白质分子量。
4    
5    参数:
6        sequence (str): 使用单字母氨基酸编码的蛋白质序列
7        
8    返回:
9        float: 道尔顿（Da）中的分子量
10    """
11    # 氨基酸分子量
12    aa_weights = {
13        'A': 71.03711,
14        'R': 156.10111,
15        'N': 114.04293,
16        'D': 115.02694,
17        'C': 103.00919,
18        'E': 129.04259,
19        'Q': 128.05858,
20        'G': 57.02146,
21        'H': 137.05891,
22        'I': 113.08406,
23        'L': 113.08406,
24        'K': 128.09496,
25        'M': 131.04049,
26        'F': 147.06841,
27        'P': 97.05276,
28        'S': 87.03203,
29        'T': 101.04768,
30        'W': 186.07931,
31        'Y': 163.06333,
32        'V': 99.06841
33    }
34    
35    # 水分子量
36    WATER_WEIGHT = 18.01528
37    
38    # 转换序列为大写
39    sequence = sequence.upper()
40    
41    # 验证序列
42    for aa in sequence:
43        if aa not in aa_weights:
44            raise ValueError(f"无效氨基酸编码: {aa}")
45    
46    # 求和各氨基酸权重
47    total_weight = sum(aa_weights[aa] for aa in sequence)
48    
49    # 减去肽键水分子损失并加入末端水分子
50    num_amino_acids = len(sequence)
51    molecular_weight = total_weight - (num_amino_acids - 1) * WATER_WEIGHT + WATER_WEIGHT
52    
53    return molecular_weight
54
55# 示例使用：
56sequence = "MVKMDVYKGSSIGDSMSRSM"
57mw = calculate_protein_molecular_weight(sequence)
58print(f"分子量: {mw:.2f} Da")
59

1function calculateProteinMolecularWeight(sequence) {
2  // 氨基酸分子量
3  const aaWeights = {
4    'A': 71.03711,
5    'R': 156.10111,
6    'N': 114.04293,
7    'D': 115.02694,
8    'C': 103.00919,
9    'E': 129.04259,
10    'Q': 128.05858,
11    'G': 57.02146,
12    'H': 137.05891,
13    'I': 113.08406,
14    'L': 113.08406,
15    'K': 128.09496,
16    'M': 131.04049,
17    'F': 147.06841,
18    'P': 97.05276,
19    'S': 87.03203,
20    'T': 101.04768,
21    'W': 186.07931,
22    'Y': 163.06333,
23    'V': 99.06841
24  };
25  
26  // 水分子量
27  const WATER_WEIGHT = 18.01528;
28  
29  // 转换序列为大写
30  sequence = sequence.toUpperCase();
31  
32  // 验证序列
33  for (let i = 0; i < sequence.length; i++) {
34    const aa = sequence[i];
35    if (!aaWeights[aa]) {
36      throw new Error(`无效氨基酸编码: ${aa}`);
37    }
38  }
39  
40  // 求和各氨基酸权重
41  let totalWeight = 0;
42  for (let i = 0; i < sequence.length; i++) {
43    totalWeight += aaWeights[sequence[i]];
44  }
45  
46  // 减去肽键水分子损失并加入末端水分子
47  const numAminoAcids = sequence.length;
48  const molecularWeight = totalWeight - (numAminoAcids - 1) * WATER_WEIGHT + WATER_WEIGHT;
49  
50  return molecularWeight;
51}
52
53// 示例使用：
54const sequence = "ACDEFGHIKLMNPQRSTVWY";
55try {
56  const mw = calculateProteinMolecularWeight(sequence);
57  console.log(`分子量: ${mw.toFixed(2)} Da`);
58} catch (error) {
59  console.error(error.message);
60}
61

1import java.util.HashMap;
2import java.util.Map;
3
4public class ProteinMolecularWeightCalculator {
5    private static final Map<Character, Double> aminoAcidWeights = new HashMap<>();
6    private static final double WATER_WEIGHT = 18.01528;
7    
8    static {
9        // 初始化氨基酸权重
10        aminoAcidWeights.put('A', 71.03711);
11        aminoAcidWeights.put('R', 156.10111);
12        aminoAcidWeights.put('N', 114.04293);
13        aminoAcidWeights.put('D', 115.02694);
14        aminoAcidWeights.put('C', 103.00919);
15        aminoAcidWeights.put('E', 129.04259);
16        aminoAcidWeights.put('Q', 128.05858);
17        aminoAcidWeights.put('G', 57.02146);
18        aminoAcidWeights.put('H', 137.05891);
19        aminoAcidWeights.put('I', 113.08406);
20        aminoAcidWeights.put('L', 113.08406);
21        aminoAcidWeights.put('K', 128.09496);
22        aminoAcidWeights.put('M', 131.04049);
23        aminoAcidWeights.put('F', 147.06841);
24        aminoAcidWeights.put('P', 97.05276);
25        aminoAcidWeights.put('S', 87.03203);
26        aminoAcidWeights.put('T', 101.04768);
27        aminoAcidWeights.put('W', 186.07931);
28        aminoAcidWeights.put('Y', 163.06333);
29        aminoAcidWeights.put('V', 99.06841);
30    }
31    
32    public static double calculateMolecularWeight(String sequence) throws IllegalArgumentException {
33        // 转换序列为大写
34        sequence = sequence.toUpperCase();
35        
36        // 验证序列
37        for (int i = 0; i < sequence.length(); i++) {
38            char aa = sequence.charAt(i);
39            if (!aminoAcidWeights.containsKey(aa)) {
40                throw new IllegalArgumentException("无效氨基酸编码: " + aa);
41            }
42        }
43        
44        // 求和各氨基酸权重
45        double totalWeight = 0;
46        for (int i = 0; i < sequence.length(); i++) {
47            totalWeight += aminoAcidWeights.get(sequence.charAt(i));
48        }
49        
50        // 减去肽键水分子损失并加入末端水分子
51        int numAminoAcids = sequence.length();
52        double molecularWeight = totalWeight - (numAminoAcids - 1) * WATER_WEIGHT + WATER_WEIGHT;
53        
54        return molecularWeight;
55    }
56    
57    public static void main(String[] args) {
58        try {
59            String sequence = "MVKMDVYKGSSIGDSMSRSM";
60            double mw = calculateMolecularWeight(sequence);
61            System.out.printf("分子量: %.2f Da%n", mw);
62        } catch (IllegalArgumentException e) {
63            System.err.println(e.getMessage());
64        }
65    }
66}
67

1#include <iostream>
2#include <string>
3#include <map>
4#include <stdexcept>
5#include <algorithm>
6
7double calculateProteinMolecularWeight(const std::string& sequence) {
8    // 氨基酸分子量
9    std::map<char, double> aaWeights = {
10        {'A', 71.03711},
11        {'R', 156.10111},
12        {'N', 114.04293},
13        {'D', 115.02694},
14        {'C', 103.00919},
15        {'E', 129.04259},
16        {'Q', 128.05858},
17        {'G', 57.02146},
18        {'H', 137.05891},
19        {'I', 113.08406},
20        {'L', 113.08406},
21        {'K', 128.09496},
22        {'M', 131.04049},
23        {'F', 147.06841},
24        {'P', 97.05276},
25        {'S', 87.03203},
26        {'T', 101.04768},
27        {'W', 186.07931},
28        {'Y', 163.06333},
29        {'V', 99.06841}
30    };
31    
32    // 水分子量
33    const double WATER_WEIGHT = 18.01528;
34    
35    // 转换序列为大写
36    std::string upperSequence = sequence;
37    std::transform(upperSequence.begin(), upperSequence.end(), upperSequence.begin(), ::toupper);
38    
39    // 验证序列
40    for (char aa : upperSequence) {
41        if (aaWeights.find(aa) == aaWeights.end()) {
42            throw std::invalid_argument(std::string("无效氨基酸编码: ") + aa);
43        }
44    }
45    
46    // 求和各氨基酸权重
47    double totalWeight = 0.0;
48    for (char aa : upperSequence) {
49        totalWeight += aaWeights[aa];
50    }
51    
52    // 减去肽键水分子损失并加入末端水分子
53    int numAminoAcids = upperSequence.length();
54    double molecularWeight = totalWeight - (numAminoAcids - 1) * WATER_WEIGHT + WATER_WEIGHT;
55    
56    return molecularWeight;
57}
58
59int main() {
60    try {
61        std::string sequence = "ACDEFGHIKLMNPQRSTVWY";
62        double mw = calculateProteinMolecularWeight(sequence);
63        std::cout << "分子量: " << std::fixed << std::setprecision(2) << mw << " Da" << std::endl;
64    } catch (const std::exception& e) {
65        std::cerr << "错误: " << e.what() << std::endl;
66    }
67    
68    return 0;
69}
70

常见问题

什么是蛋白质分子量，为什么它很重要？

蛋白质分子量是以道尔顿（Da）或千道尔顿（kDa）表示的蛋白质总质量，其中1 kDa = 1,000 Da。它是所有氨基酸质量的总和，减去肽键形成过程中释放的水分子。

为什么它很重要：你在实验室中会不断使用这个值。准备SDS-PAGE？你需要分子量来选择凝胶百分比并预测条带位置。进行凝胶过滤？分子量决定使用哪种填料柱。分析质谱数据？将实验质量与理论分子量比较，以捕捉意外的修饰或降解。

与实验方法相比，这个计算器的准确性如何？

这个计算器基于国际纯粹与应用化学联合会（IUPAC）的标准氨基酸质量，给出精确到小数点后五位的理论分子量。对于未修饰的蛋白质，其准确性取决于氨基酸质量本身。

与实验值的不同之处：真实蛋白质通常存在翻译后修饰（糖基化、磷酸化、乙酰化）、二硫键或蛋白水解加工。这些在基于序列的计算中未被包括。质谱将显示包括所有修饰的实际分子量；预期差异范围从几道尔顿（磷酸化）到几千道尔顿（重度糖基化）。

蛋白质分子量使用什么单位？

蛋白质分子量通常以道尔顿（Da）或千道尔顿（kDa）表示，其中1 kDa等于1,000 Da。道尔顿大约等于氢原子的质量（1.66 × 10⁻²⁴克）。作为参考，小肽可能只有几百道尔顿，而大蛋白质可达数百千道尔顿。

报告结果时：对于肽和小蛋白质（< 10,000 Da），使用Da；对于较大的蛋白质，切换到kDa以提高可读性。因此50,000 Da变为50 kDa。

为什么我的实验分子量与计算值不同？

看到计算和实验分子量之间有差异？以下是最常见的原因：

翻译后修饰 — 最大的差异来源。糖基化可增加2-30 kDa。每个磷酸基增加80 Da。乙酰化增加42 Da。计算器无法预测这些；你需要手动添加或使用质谱测量实际质量。

二硫键 — 每个二硫键移除2个氢原子（2.016 Da）。对于有4个二硫键的蛋白质，从计算的分子量中减去8.064 Da。

蛋白水解加工 — 信号肽、前序列或内部切割位点会减少分子量。如果你的蛋白质经历加工，计算成熟形式的分子量，而非全长前体。

异常SDS-PAGE迁移 — 你的蛋白质在凝胶上可能以不同于预期的位置迁移。高酸性蛋白质（大量D、E）迁移较慢（看起来更重）。富含脯氨酸的蛋白质迁移更快（看起来更轻）。不要假设基于凝胶的分子量准确—用质谱确认。

这个计算器能处理非标准或修饰的氨基酸吗？

不能，这个计算器仅适用于20种标准氨基酸（A, R, N, D, C, E, Q, G, H, I, L, K, M, F, P, S, T, W, Y, V）。

对于硒半胱氨酸（U）或吡咯赖氨酸（O），你需要手动计算：将U替换为C，获取分子量，然后为每个硒半胱氨酸添加47 Da。对于吡咯赖氨酸，质量差异更复杂。

对于修饰残基（羟基脯氨酸、甲基化赖氨酸等），计算基础序列的分子量，然后手动添加修饰质量。大多数质谱软件包含常见翻译后修饰的修饰数据库。

氨基酸组成告诉我什么？

氨基酸组成细分显示序列中每种氨基酸的数量及其百分比。这有助于你：

预测蛋白质行为 — 高半胱氨酸含量暗示二硫键。大量脯氨酸表明潜在的转角或无序区域。许多疏水残基（V, I, L, F, W, M）暗示跨膜域。

规划紫外定量 — 蛋白质需要W, Y或C才能在280 nm处有紫外吸收。如果你的蛋白质没有W和Y，就无法使用A280测量浓度。

设计纯化 — 高组氨酸含量可能导致与镍柱的非特异性结合。大量带电残基（K, R, D, E）表明强离子交换结合。

排查表达 — 某些氨基酸的罕见密码子可能限制在大肠杆菌中的表达。高精氨酸或亮氨酸含量可能需要密码子优化。

单同位素分子量和平均分子量有什么区别？

单同位素分子量（本计算器提供）使用每种元素最丰富同位素的质量—¹²C, ¹H, ¹⁶O, ¹⁴N, ³²S。这给出一个单一的精确值。

平均分子量考虑元素的自然同位素分布。碳自然含有约1.1%的¹³C，比¹²C重1 Da。对于小肽（< 2000 Da），差异可忽略—大约0.5 Da。对于大蛋白质（> 50 kDa），差异可超过10 Da。

哪个对你的工作很重要？质谱仪通常报告5000 Da以下分子的单同位素质量，大于此的蛋白质报告平均质量。如果你要与实验质谱数据比较，请检查你的仪器报告哪种类型。

N端和C端基团如何处理？

计算器自动包括末端基团：N端的游离氨基（NH₂）和C端的游离羧基（COOH）。

从数学上讲，这相当于在减去肽键中的水分后，重新加回一个水分子。公式 - (n-1) × H₂O + H₂O 说明了这一点。第一项移除肽键中的水；第二项加回末端的H和OH基团。

如果你的蛋白质有修饰的末端（N端乙酰化、C端酰胺化），你需要手动调整：N端乙酰化增加42 Da，C端酰胺化减少1 Da。

如何在分子量计算中考虑二硫键？

计算器给出的分子量假设所有半胱氨酸都处于还原形式（自由-SH基）。当半胱氨酸形成二硫键时，每个键会失去两个氢原子（2.016 Da）。

要校正二硫键：首先，预测或确定你的蛋白质有多少二硫键。常用方法包括检查晶体结构、运行非还原与还原SDS-PAGE，或检查UniProt注释。然后每个二硫键减去2.016 Da。

例子：如果你的蛋白质有6个半胱氨酸形成3个二硫键，从计算的分子量中减去3 × 2.016 = 6.048 Da。

对于有许多二硫键的蛋白质（如约12个二硫键的抗体），这种校正变得显著—总共约24 Da。

分子量能告诉我蛋白质的物理大小吗？

分子量与大小相关，但关系并不直接。50 kDa的球蛋白直径约4-5 nm，而同样分子量的延长或细长蛋白质可能长得多。

除分子量外影响物理大小的因素：

折叠状态 — 变性蛋白质比折叠蛋白质占用的空间大得多
寡聚化 — 50 kDa单体、二聚体和四聚体在凝胶过滤中表现非常不同
电荷 — 高电荷蛋白质由于静电排斥而具有更大的流体动力学半径
糖基化 — 高度糖基化的蛋白质比其序列基础分子量显示的更大
固有无序 — 无序区域不成比例地增加流体动力学半径

这就是为什么凝胶过滤常常给出与计算分子量不同的"表观分子量"—它测量的是流体动力学半径，而非质量。

如何将道尔顿转换为千道尔顿？

在道尔顿和千道尔顿之间转换很简单：除以1,000从道尔顿转换到千道尔顿，或乘以1,000反向转换。

例子：

25,000 Da = 25 kDa
150,000 Da = 150 kDa
3,500 Da = 3.5 kDa
50 kDa = 50,000 Da

大多数论文报告蛋白质的分子量为kDa，小肽为Da。计算器以Da显示结果，但你可以轻松转换以用于报告。

这个蛋白质分子量计算器是免费的吗？

是的，这个蛋白质分子量计算器完全免费，无需注册、登录或付费。可用于学术研究、商业项目、教育目的或个人学习。

你可以无限制地计算蛋白质序列的分子量。该工具直接在浏览器中运行，因此你的序列数据保持私密，不会发送到任何服务器。

参考文献和进一步阅读

国际纯粹与应用化学联合会（IUPAC） - 原子量和同位素组成 - NIST提供了分子量计算中使用的官方原子质量值。
Gasteiger E., Hoogland C., Gattiker A., 等（2005） - ExPASy服务器上的蛋白质鉴定和分析工具。载于：Walker J.M.（编）蛋白质组学协议手册。Humana Press。这份全面的参考文献描述了蛋白质分析的计算方法。
UniProt联盟 - 通用蛋白质资源提供了数百万蛋白质的精选蛋白质序列数据，包括分子量、翻译后修饰和结构特征。
Nelson, D. L., & Cox, M. M.（2017） - Lehninger生物化学原理（第7版）。W.H. Freeman。涵盖蛋白质结构、功能和分析方法的标准生物化学教科书。
ExPASy ProtParam工具 - 瑞士生物信息学研究所的计算工具，用于从蛋白质序列计算分子量和其他理化性质。
Steen, H., & Mann, M.（2004） - 肽段测序的ABC（和XYZ）。自然分子细胞生物学评论，5(9)，699-711。关于蛋白质分子量测定的质谱方法的权威性综述。
EMBL-EBI生物信息学资源 - 欧洲生物信息学研究所提供开放访问的蛋白质序列分析和表征工具和数据库。
Kinter, M., & Sherman, N. E.（2005） - 使用串联质谱的蛋白质测序和鉴定。Wiley-Interscience。实验分子量测定的详细技术参考。

准备计算蛋白质分子量？在上方输入氨基酸序列，即可获得即时、准确的结果。无论您是在准备SDS-PAGE凝胶、解释质谱数据，还是设计纯化方案，这个计算器都能为您提供可靠的理论分子量，助力实验规划。

蛋白质分子量计算器 | 免费分子量工具

蛋白质分子量估算器

关于此计算器

文档