MétaCan
Menu
Retour à la cohorte
Enregistrement W2035562017 · doi:10.1139/cjc-2014-0465

Lanthanide-dependent RNA-cleaving DNAzymes as metal biosensors

2015· article· en· W2035562017 sur OpenAlexafffundvenueabout
Juewen Liu

Notice bibliographique

RevueCanadian Journal of Chemistry · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésDeoxyribozymeLanthanideChemistryBiosensorSelection (genetic algorithm)AnalyteNanotechnologyRational designCombinatorial chemistryComputational biologyDNAComputer scienceIonBiochemistryPhysical chemistryOrganic chemistryBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Lanthanides represent a group of very important but challenging analytes for biosensor development. These 15 elements are very similar in their chemical properties. So far, limited success has been realized using the rational ligand design approach. My laboratory has successfully accomplished the task of carrying out combinatorial selection to isolate lanthanide-dependent RNA-cleaving DNAzymes. We report two new DNAzymes, each discovered in a different selection condition and both are highly specific to lanthanides. When both DNAzymes are used together, it is possible to identify the last few heavy lanthanides. Upon introducing a phosphorothioate modification, one of the abovementioned DNAzymes becomes highly active with many toxic heavy metals. With the selection of more DNAzymes with different activity patterns cross the lanthanide series, a sensor array might be produced for identifying each ion. This article is a minireview of the current developments on this topic and some of the historical aspects. It reflects the main content of the Fred Beamish Award presentation delivered at the 2014 Canadian Society for Chemistry Conference in Vancouver. Future directions in this area are also discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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

Citations19
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207