MétaCan
Menu
Retour à la cohorte
Enregistrement W2414943462 · doi:10.1385/1-59259-052-7:189

Determination of Affinity and Kinetic Rate Constants Using Surface Plasmon Resonance

2003· article· en· W2414943462 sur OpenAlexaff
Luke Masson, Alberto Mazza, Grégory De Crescenzo

Notice bibliographique

RevueHumana Press eBooks · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiotin and Related Studies
Établissements canadiensNational Research Council CanadaBiotechnology Research Institute
Organismes subventionnairesnon disponible
Mots-clésSurface plasmon resonanceAnalyteChemistryBiosensorLigand (biochemistry)Analytical Chemistry (journal)MacromoleculeChemical physicsSurface plasmonChromatographyNanotechnologyPlasmonMaterials scienceNanoparticleOptoelectronicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Surface plasmon resonance (SPR) is a relatively new technique extremely useful for studying macromolecular interactions between proteins, proteins and DNA, or proteins and lipids. Biospecific interaction analyses using SPR provides valuable information about the strength, speed, and stoichiometry of the interaction in real time and without the use of labels. An excellent review on the commercial SPR instrument called BIAcore™ has been published recently (1). In general the device is a biosensor that measures mass accretion/loss within a finite surface volume as a function of time. The initial step is to stably immobilize a known quantity of one of the interactants (ligand) on the surface. Following this, the second or free-flowing interactant (analyte) is made available for binding to its putative surface-linked homologue through diffusion from a pool or source that steadily flows over the immobilized ligand surface. By replacing analyte solution with buffer the source becomes a sink taking away complex-dissociated analyte from the ligand surface, resulting in a detectable loss of mass.

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 enseignants0,026
Score d'incertitude au seuil0,324

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 Opus0,041
Tête enseignante GPT0,273
Écart entre enseignants0,232 · 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

Citations14
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetBiotin and Related StudiesTravaux en français237 207