MétaCan
Menu
Retour à la cohorte
Enregistrement W2197946614 · doi:10.1093/protein/gzv043

A switchable yeast display/secretion system

2015· article· en· W2197946614 sur OpenAlexaff
James A. Van Deventer, Ryan L. Kelly, Saravanan Rajan, K. Dane Wittrup, Sachdev S. Sidhu

Notice bibliographique

RevueProtein Engineering Design and Selection · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesNational Cancer InstituteNational Institutes of HealthChinese Academy of Agricultural SciencesKoch Institute for Integrative Cancer Research, Massachusetts Institute of Technology
Mots-clésPhage displayYeastSecretionReagentComputational biologyCloning (programming)Directed evolutionChemistryPeptide libraryBiochemistryCombinatorial chemistryComputer scienceBiologyPeptide sequenceGene

Résumé

récupéré en direct d'OpenAlex

Display technologies such as yeast and phage display offer powerful alternatives to traditional immunization-based antibody discovery, but require conversion of displayed proteins into soluble form prior to downstream characterization. Here we utilize amber suppression to implement a yeast-based switchable display/secretion system that enables the immediate production of soluble, antibody-like reagents at the end of screening efforts. Model selections in the switchable format remain efficient, and library screening in the switchable format yields renewable sources of affinity reagents exhibiting nanomolar binding affinities. These results confirm that this system provides a seamless link between display-based screening and the production and evaluation of soluble forms of candidate binding proteins. Switchable display/secretion libraries provide a cloning-free, accessible approach to affinity reagent generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,249
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations67
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProtein Engineering Design and SelectionMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207