请教大侠们一个问题

我是新手，刚刚开始做分生的试验，遇到一个难题，想请教各位大侠一下
在基因重组获取目的基因时，我的目的基因所在的载体为PCMV，目的基因在not1与pst1这2个酶且位点之间，因为我想用另外一个表达载体，其上有如下酶切位点：bamh1，sal1，sph1，hind3，hpa1，cla1，我现在想利用bamh1和hind3进行双酶切（因为这2个酶切位点刚好都有，方向也对），定向插如，这样行不？PCMV上有2个hind3和3个bamh1酶切位点，在进行双酶切时，能完全把每个位点都切断，电泳时好回收片断么？理论上看如果每个位点都切断了，长度还是有差别的，但是双酶切能完全把每个位点都切断么？或者说bamh1和hind3这2个酶一起双酶切压根都不行（bamh1的反应温度是30，hind3是37(参照亚发公司））？
是不是改成用pcr或者有其他什么好方法呢?
谢谢高手们解答！

你可以参考一下，看BAMHI在37度的时候活性是多少，如果能达到80%以上的话，可以采用双酶切
[系统提示]:
  .::帖子因为解决问题被论坛管理者bioguider实行了：+3金钱 的奖惩::.

楼上说的不错的, 你要下空腹一点一点学

写下《‘数据分析方法》这个名字，未免涌起一阵感慨，记得读书期间崇尚的是函数论、抽家代数这类抽家理论，当时在同学之间还戏称计算机专业为“打洞”专业—因为他们需要在输入带上打洞。星移斗转，时代的确不同了！现在我们再也离不开计算机，我们的研究工作中也有大量的数据需要计算机一起处理，例如本书的另一位作者在很长时期内经常性地处理宕石力学实验数据、水文地质的有关数据以及灌桨等工程数据；我们还处理过可靠性方面的大量数据，包括电视机的可靠性试验、地铁客流模拟中的乘客流量等随机数据、市场调查的数据处理以及证券市场的有关数据等等。社会主义市场经济不断发展，不断繁荣，使我们“陷入了数据的包围之中，”。研究生们，尤其是攻读博士学位的研究生，无论是财政专业，还是税收专业，无论是经济理论专业，还是实用的会计专业，对数据处理都正在产生浓厚的兴趣，他们发现国内外学米刊物之间的差异之一正是在于国外刊物强调对数据的科学处理以及用数据分析来揭示内在规律。即使是证券期货学院的本科生们，也越来越明白数据处理的重要性，他们对MINITAB, TSP, SAS等统计软件表示出浓厚的兴趣，也曾经提出开一些管理统计软件及数据分析课程的愿望。我们感觉到了在财经院校普及数据分析工作方面自己应尽的责任，这也成了我们写作《数据分析方法》的动力。经过努力，作为上海财经大学证券期货学院拟议中的一套丛书之一，《数据分析方法》即将展现在读者面前。

应当承认，数据分析是一件相当困难的工作，对摆在人们面前的一大堆“乱七八糟”的数据从何处着手，又怎样引导到正确的轨道，从而揭示一定的规律，这件工作不仅仅需要耐心，更需要进取心，要主

动去设怒并收集尽可能多的信息，了解数据来源以及明确的分析目的，综合在一起考虑才有可能找到较理想的分析工具，建立起较令人满意的模型。

数据分析问题不存在固定的解决方法。没有一个人敢于断言什么样的数据可以用什么样的方法解决，做到分门别类，一清二楚。可以这样认为，敢于这样说的人也许并不是个数据分析工作者。在本书中我们只能尽可能地将各种方法一一叙述并偶尔作一些建设性建议，希望读

引用：

---

原文由 wrx 发表于 2005-8-24 22:39:44 :

写下《‘数据分析方法》这个名字，未免涌起一阵感慨，记得读书期间崇尚的是函数论、抽家代数这类抽家理论，当时在同学之间还戏称计算机专业为“打洞”专业—因为他们需要在输入带上打洞。星移斗转，时代的确不同了！现在我们再也离不开计算机，我们的研究工作中也有大量的数据需要计算机一起处理，例如本书的另一位作者在很长时期内经常性地处理宕石力学实验数据、水文地质的有关数据以及灌桨等工程数据；我们还处理过可靠性方面的大量数据，包括电视机的可靠性试验、地铁客流模拟中的乘客流量等随机数据、市场调查的数据处理以及证券市场的有关数据等等。社会主义市场经济不断发展，不断繁荣，使我们“陷入了数据的包围之中，”。研究生们，尤其是攻读博士学位的研究生，无论是财政专业，还是税收专业，无论是经济理论专业，还是实用的会计专业，对数据处理都正在产生浓厚的兴趣，他们发现国内外学米刊物之间的差异之一正是在于国外刊物强调对数据的科学处理以及用数据分析来揭示内在规律。即使是证券期货学院的本科生们，也越来越明白数据处理的重要性，他们对MINITAB, TSP, SAS等统计软件表示出浓厚的兴趣，也曾经提出开一些管理统计软件及数据分析课程的愿望。我们感觉到了在财经院校普及数据分析工作方面自己应尽的责任，这也成了我们写作《数据分析方法》的动力。经过努力，作为上海财经大学证券期货学院拟议中的一套丛书之一，《数据分析方法》即将展现在读者面前。

应当承认，数据分析是一件相当困难的工作，对摆在人们面前的一大堆“乱七八糟”的数据从何处着手，又怎样引导到正确的轨道，从而揭示一定的规律，这件工作不仅仅需要耐心，更需要进取心，要主

动去设怒并收集尽可能多的信息，了解数据来源以及明确的分析目的，综合在一起考虑才有可能找到较理想的分析工具，建立起较令人满意的模型。

数据分析问题不存在固定的解决方法。没有一个人敢于断言什么样的数据可以用什么样的方法解决，做到分门别类，一清二楚。可以这样认为，敢于这样说的人也许并不是个数据分析工作者。在本书中我们只能尽可能地将各种方法一一叙述并偶尔作一些建设性建议，希望读

---

Is this your signature or your presentation?

酶的作用温度不是大问题,关键是你能不能把目的基因完全切下来,一定看好大小,如果两个酶同时切效果不好,你可以先用一个酶切,灭活后再用另一个酶切,或者你更换NEB的酶,他们公司设计的Buffer很好,而且这个公司的内切酶是最好的!