Second and third generation voltage-sensitive fluorescent proteins for monitoring membrane potential
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over the last decade, optical neuroimaging methods have been enriched by engineered biosensors derived from fluorescent protein (FP) reporters fused to protein detectors that convert physiological signals into changes of intrinsic FP fluorescence. These FP-based indicators are genetically encoded, and hence targetable to specific cell populations within networks of heterologous cell types. Among this class of biosensors, the development of optical probes for membrane potential is both highly desirable and challenging. A suitable FP voltage sensor would indeed be a valuable tool for monitoring the activity of thousands of individual neurons simultaneously in a non-invasive manner. Previous prototypic genetically-encoded FP voltage indicators achieved a proof of principle but also highlighted several difficulties such as poor cell surface targeting and slow kinetics. Recently, we developed a new series of FRET-based Voltage-Sensitive Fluorescent Proteins (VSFPs), referred to as VSFP2s, with efficient targeting to the plasma membrane and high responsiveness to membrane potential signaling in excitable cells. In addition to these FRET-based voltage sensors, we also generated a third series of probes consisting of single FPs with response kinetics suitable for the optical imaging of fast neuronal signals. These newly available genetically-encoded reporters for membrane potential will be instrumental for future experimental approaches directed toward the understanding of neuronal network dynamics and information processing in the brain. Here, we review the development and current status of these novel fluorescent probes.
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.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle