MétaCan
Menu
Retour à la cohorte
Enregistrement W2065280467 · doi:10.1021/ac051471c

Calibration-Free Quantitative Analysis of mRNA

2005· article· en· W2065280467 sur OpenAlexaff
Azza Al‐Mahrouki, Sergey N. Krylov

Notice bibliographique

RevueAnalytical Chemistry · 2005
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésChemistryMessenger RNACapillary electrophoresisCalibrationDetection limitFluorescenceQuantitative analysis (chemistry)Biological systemMolecular biologyChromatographyBiophysicsComputational biologyBiochemistryGenePhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Here we introduce a method for accurate and sensitive quantitative analysis of mRNA, which does not require calibration with mRNA. The method uses a fluorescently labeled hybridization probe as a reference standard. It involves the following: (i) annealing mRNA to the excess of the fluorescently labeled ssDNA hybridization probe, (ii) separation of the mRNA-probe hybrid from the excess of the probe by gel-free capillary electrophoresis mediated by ssDNA-binding protein, (iii) fluorescence detection of the hybrid and the excess probe, and (iv) quantification of mRNA using a simple algebraic formula. The method also overcomes a number of other limitations of conventional methods: the entire procedure currently takes only 2 h and accurately quantifies 10(5) copies of mRNA. With further improvements to the method, the procedure can be potentially shortened to 10 min, and the limit of quantification can be decreased to as few as 100 copies of mRNA. In this work, we prove the principle of the method by quantifying mRNA of green fluorescent protein in the matrix of total cellular RNA. The developed method is quantitative, simple, fast, and highly sensitive. It requires commercially available instrumentation only. The method will be an indispensable tool for molecular and cell biology studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,299
Écart entre enseignants0,288 · 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 tête enseignante, 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

Citations20
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207