15. oligo-dT 는 왜 졌나 — 864 대 1283 · Dr. Yoo's On-Demand mRNA Synthesiser, First Steps II

이 비교가 논문에서 가장 깔끔합니다. 상류를 완전히 같게 두고 포획만 바꿨습니다.

공정	수율	순도 A260/230
Os(IVT) + μFD + OdT	864 ± 1.5 µg	2.25
Os(IVT) + μFD + MMC	1283 ± 1.3 µg	2.27

1.5배(약 +48.5%). 그런데 순도는 거의 같습니다. 이것이 요점입니다 — MMC 가 이긴 것은 “더 깨끗해서” 가 아니라 “덜 버려서” 입니다.

MMC 의 회수율(93.3%%)에서 거꾸로 계산하면 oligo-dT 가 얼마나 버렸는지 나옵니다.

Python Runs in your browser

# 세 단계에서 조금씩 잃으면 최종 회수율이 얼마가 되나
def chain(*effs):
    r = 1.0
    for e in effs: r *= e
    return r

print("%-28s %10s" % ("경로", "최종 회수"))
print("%-28s %9.1f%%" % ("결합 90 · 세척 92 · 용출 88", chain(.90, .92, .88) * 100))
print("%-28s %9.1f%%" % ("결합 95 · 세척 96 · 용출 95", chain(.95, .96, .95) * 100))
print()

odt, mmc = 864.0, 1283.0
print("논문 값: OdT %.0f µg · MMC %.0f µg" % (odt, mmc))
print("비율 %.2f 배 (%+.1f%%)" % (mmc / odt, (mmc / odt - 1) * 100))
print()
# MMC 는 93.3% 회수라고 밝혔다. 그렇다면 OdT 의 실효 회수는?
mmc_rec = 0.933
loaded = mmc / mmc_rec
print("MMC 회수율 93.3%% 로 역산한 투입량: %.0f µg" % loaded)
print("→ 같은 투입에서 OdT 의 실효 회수율 ≈ %.1f%%" % (odt / loaded * 100))

결합·세척·용출 세 단계의 회수율을 각각 밀어 보세요. 곱셈이 얼마나 무서운지 보입니다.

Loading…

μFD 가 앞에 있는 것이 MMC 에 왜 도움이 되나

논문이 특별히 힘줘 적은 대목입니다.

DNA 와 mRNA 는 둘 다 음전하다 — 같은 자리를 두고 다툰다

DNA 가 남아 있으면 결합 자리를 차지하고, 칼럼을 과부하시키고, 막힘을 늘립니다. 앞에서 지워 두면 MMC 는 목표물에만 집중할 수 있습니다.

순서가 만드는 성능

μFD → MMC 는 단순한 나열이 아닙니다. 앞의 모듈이 뒤 모듈의 조건을 만들어 줍니다.

Table 1 에서 확인

Os(IVT)+BD+MMC = 1241 µg → Os(IVT)+μFD+MMC = 1283 µg. 소화 방식만 바꿔도 정제 수율이 오릅니다.

🤔 Check yourself

MMC 가 oligo-dT 를 이긴 이유를 가장 정확히 옮기면?

🤔 Check yourself

μFD 를 MMC 앞에 두는 것이 MMC 성능을 올리는 까닭은?