Multi-Wavelength Dye Concentration Determination for Enzymatic Assays: Evaluation of Chromogenic <i>para</i>-Nitrophenol over a Wide pH Range
Notice bibliographique
Résumé
Enzymatic assays need robust, rapid colorimetric methods that can follow ongoing reactions. For this, we developed a highly accurate, multi-wavelength detection method that could be used for several systems. Here, it was applied to the detection of para-nitrophenol (pNP) in basic and acidic solutions. First, we confirmed by factor analysis that pNP has two forms, with unique spectral characteristics in the 240 to 600 nm range: Phenol in acidic conditions absorbs in the lower range, whereas phenolate in basic conditions absorbs in the higher range. Thereafter, the method was used for the determination of species concentration. For this, the intensity measurements were made at only two wavelengths with a microtiter plate reader. This yielded total dye concentration, species relative abundance, and solution pH value. The method was applied to an enzymatic assay. For this, a chromogenic substrate that generates pNP after hydrolysis catalyzed by a lipase from the fungus Yarrowia lipolytica was used. Over the pH range of 3-11, accurate amounts of acidic and basic pNP were determined at 340 and 405 nm, respectively. This method surpasses the commonly used single-wavelength assay at 405 nm, which does not detect pNP acidic species, leading to activity underestimations. Moreover, alleviation of this pH-related problem by neutralization is not necessary. On the whole, the method developed is readily applicable to rapid high-throughput of enzymatic activity measurements over a wide pH range.
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 | 0,000 | 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 ».