MétaCan
Menu
Retour à la cohorte
Enregistrement W2412403861 · doi:10.1021/acs.nanolett.5b04566

Enzyme-Operated DNA-Based Nanodevices

2015· article· en· W2412403861 sur OpenAlexaff
Erica Del Grosso, Anne‐Marie Dallaire, Alexis Vallée‐Bélisle, Francesco Ricci

Notice bibliographique

RevueNano Letters · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversité de Montréal
Organismes subventionnairesSeventh Framework ProgrammeEuropean Research CouncilAssociazione Italiana per la Ricerca sul CancroMinistero della Salute
Mots-clésNanotechnologyNanomedicineDNAToolboxModularity (biology)DNA nanotechnologyEnzymeDNA origamiComputational biologyComputer scienceMaterials scienceBiologyNanostructureBiochemistryGeneticsNanoparticle

Résumé

récupéré en direct d'OpenAlex

Functional molecular nanodevices and nanomachines have attracted a growing interest for their potential use in life science and nanomedicine. In particular, due to their versatility and modularity DNA-based nanodevices appear extremely promising. However, a limitation of such devices is represented by the limited number of molecular stimuli and cues that can be used to control and regulate their function. Here we demonstrate the possibility to rationally control and regulate DNA-based nanodevices using biocatalytic reactions catalyzed by different enzymes. To demonstrate the versatility of our approach, we have employed three model DNA-based systems and three different enzymes (belonging to several classes, i.e., transferases and hydrolases). The possibility to use enzymes and enzymatic substrates as possible cues to operate DNA-based molecular nanodevices will expand the available toolbox of molecular stimuli to be used in the field of DNA nanotechnology and could open the door to many applications including enzyme-induced drug delivery and enzyme-triggered nanostructures assembly.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,261
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 tête enseignante, 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

Citations49
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207