Rapid screening and analysis of alcohol dehydrogenase binders from <i>Glycyrrhiza uralensis</i> root extract using functionalized magnetic nanoparticles coupled with HPLC−MS/MS
Notice bibliographique
Résumé
Alcohol dehydrogenase (ADH) is a key enzyme that converts ethanol into acetaldehyde. Its binders could be used to efficiently treat human toxic alcohol poisoning and suppress the acetaldehyde accumulation in alcohol hypersensitive alcoholics. In the present study, a new assay based on ADH-functionalized magnetic nanoparticles coupled with high-performance liquid chromatography − tandem mass spectrometry (HPLC−MS/MS) was developed for the rapid screening and identification of ADH binders. ADH was immobilized on silica-coated Fe 3 O 4 magnetic nanoparticles via covalent bonds and the synthesized nanoparticles were characterized by TEM, XRD, FT-IR, and VSM. The amount of bound ADH onto magnetic nanoparticles was 80.6 μg/mg. The optimum temperature and pH for the enzymatic activity of immobilized ADH were 25 °C and 7.0, respectively. The relative activity of immobilized ADH remained 68.14% after 10 times of recycle, which exhibited good durability. Nine compounds with ADH-binding activity were screened and identified in Glycyrrhiza uralensis root extracts, among which seven compounds were first screened and identified. Experimental results proved that the proposed method could rapidly screen ADH binders from complex mixtures.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».