Fluorescent-increase kinetics of different fluorescent reporters used for qPCR depend on monitoring chemistry, targeted sequence, type of DNA input and PCR efficiency
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
The analysis of quantitative PCR data usually does not take into account the fact that the increase in fluorescence depends on the monitoring chemistry, the input of ds-DNA or ss-cDNA, and the directionality of the targeting of probes or primers. The monitoring chemistries currently available can be categorized into six groups: (A) DNA-binding dyes; (B) hybridization probes; (C) hydrolysis probes; (D) LUX primers; (E) hairpin primers; and (F) the QZyme system. We have determined the kinetics of the increase in fluorescence for each of these groups with respect to the input of both ds-DNA and ss-cDNA. For the latter, we also evaluated mRNA and cDNA targeting probes or primers. This analysis revealed three situations. Hydrolysis probes and LUX primers, compared to DNA-binding dyes, do not require a correction of the observed quantification cycle. Hybridization probes and hairpin primers require a correction of −1 cycle (dubbed C-lag), while the QZyme system requires the C-lag correction and an efficiency-dependent C-shift correction. A PCR efficiency value can be derived from the relative increase in fluorescence in the exponential phase of the amplification curve for all monitoring chemistries. In case of hydrolysis probes, LUX primers and hairpin primers, however, this should be performed after cycle 12, and for the QZyme system after cycle 19, to keep the overestimation of the PCR efficiency below 0.5 %. The qPCR monitoring chemistries form six groups with distinct fluorescence kinetics. The displacement of the amplification curve depends on the chemistry, DNA input and probe-targeting. The observed shift in C q values can be corrected and PCR efficiencies can be derived.
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 | 0,000 |
| 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 découle