MétaCan
Menu
Retour à la cohorte
Enregistrement W2110328190 · doi:10.1080/00032710500536137

Effect of Mercury(II) Traces on Catalytic Activity of Peanut and Horseradish Peroxidases

2006· article· en· W2110328190 sur OpenAlexaff
Nailya A. Bagirova, Svetlana V. Muginova, Tatyana N. Shekhovtsova, Irina G. Gazaryan, Robert B. van Huystee

Notice bibliographique

RevueAnalytical Letters · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésChemistryHorseradish peroxidaseMercury (programming language)PeroxidaseThioureaHydrogen peroxideCatalysisEnzymeNuclear chemistryStereochemistryBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Mercury(II) in the range of 0.1–1 µg L−1 concentrations was found to be a much more efficient inhibitor of native peanut peroxidase (PNP) than of horseradish peroxidase (HRP) in the reaction of o‐dianisidine oxidation with hydrogen peroxide. The possible reason for the different degree of mercury(II) effects on the catalytic activity of both enzymes was studied. It was shown that the different number of glycans in PNP and HRP molecules (three and eight, respectively), or their absence in the molecule of wild‐type recombinant horseradish peroxidase refolded from E. coli inclusion bodies (recHRP), does not play a significant role in the effects caused by mercury(II). The efficient inhibition of PNP by mercury(II) in the absence of any other additives (for example, thiourea) originates from a greater mobility of the distal calcium ion in the enzyme molecule. A model scheme for the interaction of the studied plant peroxidases with mercury(II) was proposed. The PNP‐based enzymatic method for mercury(II) determination with c min =0.04 µg L−1 (0.2 nmol L−1) was developed and the possibility of PNP application for analysis of different samples was demonstrated.

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 enseignants0,008
Score d'incertitude au seuil0,487

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 Opus0,003
Tête enseignante GPT0,194
Écart entre enseignants0,191 · 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

Citations7
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical LettersMême sujetElectrochemical sensors and biosensorsTravaux en français237 207