MétaCan
Menu
Retour à la cohorte
Enregistrement W2155697264 · doi:10.1016/j.aca.2014.04.055

Aptamer binding assays for proteins: The thrombin example—A review

2014· review· en· W2155697264 sur OpenAlexafffund
Bin Deng, Yanwen Lin, Chuan Wang, Feng Li, Zhixin Wang, Hongquan Zhang, Xing‐Fang Li, X. Chris Le

Notice bibliographique

RevueAnalytica Chimica Acta · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchU.S. Food and Drug AdministrationAlberta HealthCanada Research ChairsAlberta InnovatesAlberta Innovates - Health Solutions
Mots-clésAptamerChemistryThrombinComputational biologyHomogeneousDNASystematic evolution of ligands by exponential enrichmentBiochemistryCombinatorial chemistryNanotechnologyBiophysicsRNAMolecular biologyBiologyPlatelet

Résumé

récupéré en direct d'OpenAlex

Experimentally selected single-stranded DNA and RNA aptamers are able to bind to specific target molecules with high affinity and specificity. Many analytical methods make use of affinity binding between the specific targets and their aptamers. In the development of these methods, thrombin is the most frequently used target molecule to demonstrate the proof-of-principle. This paper critically reviews more than one hundred assays that are based on aptamer binding to thrombin. This review focuses on homogeneous binding assays, electrochemical aptasensors, and affinity separation techniques. The emphasis of this review is placed on understanding the principles and unique features of the assays. The principles of most assays for thrombin are applicable to the determination of other molecular targets.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,047
Tête enseignante GPT0,352
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations375
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytica Chimica ActaMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207