MétaCan
Menu
Retour à la cohorte
Enregistrement W2214960714 · doi:10.1074/jbc.r115.679811

Nanobodies as Probes for Protein Dynamics in Vitro and in Cells

2015· review· en· W2214960714 sur OpenAlexafffund
Oleg Y. Dmitriev, Svetlana Lutsenko, Serge Muyldermans

Notice bibliographique

RevueJournal of Biological Chemistry · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesCanadian Institutes of Health Research
Mots-clésIn vitroDynamics (music)Cell biologyBiophysicsComputational biologyChemistryBiologyPhysicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Nanobodies are the recombinant antigen-recognizing domains of the minimalistic heavy chain-only antibodies produced by camels and llamas. Nanobodies can be easily generated, effectively optimized, and variously derivatized with standard molecular biology protocols. These properties have triggered the recent explosion in the nanobody use in basic and clinical research. This review focuses on the emerging use of nanobodies for understanding and monitoring protein dynamics on the scales ranging from isolated protein domains to live cells, from nanoseconds to hours. The small size and high solubility make nanobodies uniquely suited for studying protein dynamics by NMR. The ability to produce conformation-sensitive nanobodies in cells enables studies that link structural dynamics of a target protein to its cellular behavior. The link between in vitro and in-cell dynamics, afforded by nanobodies, brings the analysis of such important events as receptor signaling, membrane protein trafficking, and protein interactions to the next level of resolution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,960
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,384
Écart entre enseignants0,297 · 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 tête enseignante, 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

Citations98
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biological ChemistryMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207