Quantum Dot-Based Concentric FRET Configuration for the Parallel Detection of Protease Activity and Concentration
Notice bibliographique
Résumé
Protease expression, activity, and inhibition play crucial roles in a multitude of biological processes; however, these three aspects of their function are difficult for any one bioanalytical probe to measure. To help address this challenge, we report a multifunctional concentric Förster resonance energy transfer (FRET) configuration that combines two modes of biorecognition using aptamers and peptide substrates coassembled to a central semiconductor quantum dot (QD). The aptamer is sensitive to the concentration of protease and the peptide is sensitive to its hydrolytic activity. The role of the QD is to serve as a nanoscale scaffold and initial donor for energy transfer with both Cyanine 3 (Cy3) and Alexa Fluor 647 (A647) fluorescent dyes associated with the aptamer and peptide, respectively. Using thrombin as a model protease, we show that a ratiometric analysis of the emission from the QD, Cy3, and A647 permits discrimination between thrombin and thrombin-like activity, and distinguishes between active, reversibly inhibited, and irreversibly inhibited thrombin. Reliable quantitative results were obtained from a kinetic analysis of the changes in FRET. This concentric FRET format, which capitalizes on both the physical and optical properties of QDs, should be adaptable to other protease targets for which both peptide substrates and binding aptamers are known. It is thus expected to become valuable a tool for the real-time analysis of protease activity and regulation.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».