Theoretical estimation of drag tag lengths for direct quantitative analysis of multiple miRNAs (DQAMmiR)
Notice bibliographique
Résumé
To better understand the regulatory roles of miRNA in biological functions and to use miRNA as molecular markers of diseases, we need to accurately measure amounts of multiple miRNAs in biological samples. Direct quantitative analysis of multiple miRNAs (DQAMmiR) has been recently developed by using a classical hybridization approach where miRNAs are hybridized with fluorescently labeled complementary DNA probes taken in excess, and the amounts of the hybrids and the unreacted probes are measured to calculate the amount of miRNAs. Capillary electrophoresis was used as an instrumental platform for analysis. The problem of separating the unreacted probes from the hybrids was solved by adding SSB to the run buffer. A more difficult problem of separating hybrids from each other was solved by attaching different drag tags to the probes. Biotin and a hairpin-forming extension on the probe were used as two drag tags in the proof-of-principle work. Making DQAMmiR a generic approach requires a generic solution for drag tags. Peptides have been suggested as drag tags for long oligonucleotides in DNA sequencing by electrophoresis. Here we theoretically consider short peptides of different lengths as drag tags for DQAMmiR. We find analytical equations that allow us to estimate mobilities of RNA-DNA hybrids with peptide drag tags of different lengths. Our calculations suggest that the mobility shifts required for DQAMmiR can be achieved with the length of peptide chains in the ranges of 5-20 residues for five miRNAs and 2-47 residues for nine miRNAs. Peptides of these lengths can be feasibly synthesized with good yield and purity. The results of this theoretical study will guide the design and production of hybridization probes for DQAMmiR.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».