MétaCan
Menu
Retour à la cohorte
Enregistrement W2029619950 · doi:10.1016/j.mex.2014.07.003

Novel detection method for chemiluminescence derived from the Kinase-Glo luminescent kinase assay platform: Advantages over traditional microplate luminometers

2014· article· en· W2029619950 sur OpenAlexafffund
Ryan A. V. Bell, Kenneth B. Storey

Notice bibliographique

RevueMethodsX · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquebioluminescence and chemiluminescence research
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemiluminescenceKinaseProtein kinase ABiochemistryChemistryCell biologyBiologyChromatography

Résumé

récupéré en direct d'OpenAlex

The efficacy of cellular signal transduction is of paramount importance for the proper functioning of a cell and an organism as a whole. Protein kinases are responsible for much of this transmission and thus have been the focal point of extensive research. While there are numerous commercially available protein kinase assays, the Kinase-Glo luminescent kinase assay (Promega) provides an easy-to-use and high throughput platform for determining protein kinase activity. This assay is said to require the use of a microplate spectrophotometer capable of detecting a luminescent signal. This study shows that:•The ChemiGenius Bioimaging system (Syngene), typically used for visualizing chemiluminescence from Western blots, provides an alternative detection system for Kinase-Glo luminescence.•The novel detection system confers an advantage over traditional luminometers, in that it allows visualization of the luminescent wells, which allows for the real-time analysis and correction of experimental errors (i.e. bubble formation).•Determining kinase kinetics using this detection system produced comparable results to previous studies on the same enzyme (i.e. glycogen synthase kinase 3).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,005

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,318
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethodsXMême sujetbioluminescence and chemiluminescence researchTravaux en français237 207