Efficient signaling platforms built from a small catalytic DNA and doubly labeled fluorogenic substrates
Notice bibliographique
Résumé
RNA-cleaving deoxyribozyme 8-17 has been increasingly used in nanotechnology and biosensing applications. Conventional methods to equip 8-17 with fluorescent signaling property usually involve covalent attachment of two dyes at nucleotide positions that are far away from the catalytic core, such that the bulky dye structures would not affect the deoxyribozyme activity. However, the maximum fluorescent enhancement associated with these 8-17 constructs is typically < or =10-fold, due to a high fluorescent background. To find an optimal balance between signal enhancement and signaling speed, we have conducted a comprehensive study on the effects of the nature of dyes (Alexa Fluor 488, 546 and 647; QSY 9 and 21) as well as their attaching positions along the substrate strand on the catalytic and signaling performance of 8-17. Our results have indicated that 8-17 is able to cleave almost every modified substrate, including those that have chromophores only 1 nt away from the cleavage site. Most importantly, almost all of these substrates are able to generate 15- to 85-fold signal enhancement within 10 min. We have also provided guidelines for selecting substrates that could offer the best signal enhancement, the fastest signaling speed, or the best balance between signal enhancement and signaling speed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».