Surface Plasmon Resonance Imaging Measurements of the Inhibition of Shiga-like Toxin by Synthetic Multivalent Inhibitors
Notice bibliographique
Résumé
A variety of new methodologies to pattern biomolecules on surfaces and to detect binding events are currently being developed for high-throughput assay applications. Carbohydrates serve as attachment sites for toxins, bacteria, and viruses. Immobilized carbohydrate units can thus be used to directly detect these agents or as a platform for inhibitor assessment. In this work, modified glycosides were patterned on gold surfaces to monitor the binding of the homopentameric B5 cell-recognition subunit of the Shiga-like toxin (SLT). Binding was detected with the label-free method of surface plasmon resonance (SPR) imaging. Two synthetic multivalent inhibitors were used in order to effect inhibitory binding, and SPR imaging is presented as a simple alternative to ELISA for the study of toxin inhibition. In contrast to existing methods for the study of carbohydrate-protein interactions, in particular ELISA, the use of micropatterned sensor surfaces is shown to be advantageous due to a decrease in complications and manual labor from numerous blocking, washing, and labeling steps. Carbohydrate receptor density on the sensor surface was optimized in order to effect the maximum binding of the SLT. The IC50 values determined were in the low-nanomolar range for each of the two inhibitors studied.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».