DNAzyme Hybridization, Cleavage, Degradation, and Sensing in Undiluted Human Blood Serum
Notice bibliographique
Résumé
RNA-cleaving DNAzymes provide a unique platform for developing biosensors. However, a majority of the work has been performed in clean buffer solutions, while the activity of some important DNAzymes in biological sample matrices is still under debate. Two RNA-cleaving DNAzymes (17E and 10-23) are the most widely used. In this work, we carefully studied a few key aspects of the 17E DNAzyme in human blood serum, including hybridization, cleavage activity, and degradation kinetics. Since direct fluorescence monitoring is difficult due to the opacity of serum, denaturing and nondenaturing gel electrophoresis were combined for studying the interaction between serum proteins and DNAzymes. The 17E DNAzyme retains its activity in 90% human blood serum with a cleavage rate of 0.04 min(-1), which is similar to that in the PBS buffer (0.06 min(-1)) with a similar ionic strength. The activity in serum can be accelerated to 0.3 min(-1) with an additional 10 mM Ca(2+). As compared to 17E, the 10-23 DNAzyme produces negligible cleavage in serum. Degradation of both the substrate and the DNAzyme strand is very slow in serum, especially at room temperature. Degradation occurs mainly at the fluorophore label (linked to DNA via an amide bond) instead of the DNA phosphodiester bonds. Serum proteins can bind more tightly to the 17E DNAzyme complex than to the single-stranded substrate or enzyme. The 17E DNAzyme hybridizes extremely fast in serum. With this understanding, the detection of DNA using the 17E DNAzyme is demonstrated in serum.
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 ».