MétaCan
Menu
Retour à la cohorte
Enregistrement W2052751103 · doi:10.1038/srep02629

SuperNova, a monomeric photosensitizing fluorescent protein for chromophore-assisted light inactivation

2013· article· en· W2052751103 sur OpenAlexaff
Kiwamu Takemoto, Tomoki Matsuda, Naoki Sakai, Donald Fu, Masanori Noda, Susumu Uchiyama, Ippei Kotera, Yoshiyuki Arai, Masataka Horiuchi, Kiichi Fukui, Tokiyoshi Ayabe, Fuyuhiko Inagaki, Hiroshi Suzuki, Takeharu Nagai

Notice bibliographique

RevueScientific Reports · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensOccupational Cancer Research CentreUniversity of Toronto
Organismes subventionnairesPrecursory Research for Embryonic Science and TechnologyJapan Science and Technology AgencyJapan Society for the Promotion of ScienceInamori FoundationMinistry of Education, Culture, Sports, Science and Technology
Mots-clésPhotosensitizerChromophoreGreen fluorescent proteinCell biologyBiophysicsFusion proteinChemistryFluorescenceBiologyBiochemistryRecombinant DNAPhysicsPhotochemistryGeneOptics

Résumé

récupéré en direct d'OpenAlex

Chromophore-assisted light inactivation (CALI) is a powerful technique for acute perturbation of biomolecules in a spatio-temporally defined manner in living specimen with reactive oxygen species (ROS). Whereas a chemical photosensitizer including fluorescein must be added to specimens exogenously and cannot be restricted to particular cells or sub-cellular compartments, a genetically-encoded photosensitizer, KillerRed, can be controlled in its expression by tissue specific promoters or subcellular localization tags. Despite of this superiority, KillerRed hasn't yet become a versatile tool because its dimerization tendency prevents fusion with proteins of interest. Here, we report the development of monomeric variant of KillerRed (SuperNova) by direct evolution using random mutagenesis. In contrast to KillerRed, SuperNova in fusion with target proteins shows proper localization. Furthermore, unlike KillerRed, SuperNova expression alone doesn't perturb mitotic cell division. Supernova retains the ability to generate ROS, and hence promote CALI-based functional analysis of target proteins overcoming the major drawbacks of KillerRed.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,248
Écart entre enseignants0,239 · 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
GenreMéthodes

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

En bref

Citations169
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207