Using DNA-Binding Proteins as an Analytical Tool
Notice bibliographique
Résumé
We propose that DNA-binding proteins can be used as highly efficient and versatile tools in analyses of DNA, RNA, and proteins. This work reports assays applying specific affinity probes: hybridization probes for analyses of DNA and RNA, and aptamer probes for analyses of proteins. Both types of probes are single-stranded DNA. In affinity analyses, in general, the probe (P) binds to a target molecule (T), and the amounts of the probe-target complex (P.T) and unbound P are determined. Distinguishing between P and P.T can be achieved by electrophoretic separation. If the electrophoretic mobilities of P and P.T are close in gel-free media, which is always the case for hybridization analyses, separation typically requires the use of a sieving matrix. Here we utilized a single-stranded DNA binding protein (SSB) to facilitate highly efficient gel-free separation of P and P.T in capillary electrophoresis (CE) for three types of targets: DNA, RNA, and proteins. When present in the CE run buffer, SSB binds differently to P and P.T. Due to this selective binding, SSB induces difference in electrophoretic mobilities of P and P.T in an SSB concentration-dependent fashion. The difference in the electrophoretic mobilities allows for affinity analyses of DNA, RNA, and proteins in gel-free CE. The large number of well-characterized DNA- and RNA-binding proteins and the diversity of their properties will allow researchers to design a comprehensive tool set for quantitative analyses of DNA, RNA, and proteins. Such analyses will facilitate identification of genomic DNA in ultra-small samples without error-prone and time-consuming PCR. They can also be used for monitoring gene expression at both mRNA and protein levels.
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 | 0,001 |
| 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 ».