MétaCan
Menu
Retour à la cohorte
Enregistrement W2238624608 · doi:10.1021/acs.analchem.5b04682

Achieving Single-Nucleotide Specificity in Direct Quantitative Analysis of Multiple MicroRNAs (DQAMmiR)

2016· article· en· W2238624608 sur OpenAlexafffund
David W. Wegman, Farhad Ghasemi, Alexander S. Stasheuski, Anna Khorshidi, Burton B. Yang, Stanley K. Liu, George M. Yousef, Sergey N. Krylov

Notice bibliographique

RevueAnalytical Chemistry · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensSt. Michael's HospitalSunnybrook Health Science CentreUniversity of TorontoYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésChemistryHybridMelting temperatureNucleic acidmicroRNANucleic acid thermodynamicsLocked nucleic acidDNAComputational biologyAnalytical Chemistry (journal)ChromatographyBiochemistryGeneBase sequenceBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Direct quantitative analysis of multiple miRNAs (DQAMmiR) utilizes CE with fluorescence detection for fast, accurate, and sensitive quantitation of multiple miRNAs. Here we report on achieving single-nucleotide specificity and, thus, overcoming a principle obstacle on the way of DQAMmiR becoming a practical miRNA analysis tool. In general, sequence specificity is reached by raising the temperature to the level at which the probe-miRNA hybrids with mismatches melt while the matches remain intact. This elevated temperature is used as the hybridization temperature. Practical implementation of this apparently trivial approach in DQAMmiR has two major challenges. First, melting temperatures of all mismatched hybrids should be similar to each other and should not reach the melting temperature of any of the matched hybrids. Second, the elevated hybridization temperature should not deteriorate CE separation of the hybrids from the excess probes and the hybrids from each other. The second problem is further complicated by the reliance of separation in DQAMmiR on single-strand DNA binding protein (SSB) whose native structure and binding properties may be drastically affected by the elevated temperature. These problems were solved by two approaches. First, locked nucleic acid (LNA) bases were incorporated into the probes to normalize the melting temperatures of all target miRNA hybrids allowing for a single hybridization temperature; binding of SSB was not affected by LNA bases. Second, a dual-temperature CE was developed in which separation started with a high capillary temperature required for proper hybridization and continued at a low capillary temperature required for quality electrophoretic separation of the hybrids from excess probes and the hybrids from each other. The developed approach was sufficiently robust to allow its integration with sample preconcentration by isotachophoresis to achieve a limit of detection below 10 pM.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,020
Tête enseignante GPT0,267
Écart entre enseignants0,247 · 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
GenreEmpirique

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

En bref

Citations25
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMicroRNA in disease regulationTravaux en français237 207