MétaCan
Menu
Retour à la cohorte
Enregistrement W2597474226 · doi:10.1149/ma2017-01/8/645

(Invited) Single-Molecule Electronic Sensors to Monitor Conformational Dynamics in Nucleic Acids

2017· article· en· W2597474226 sur OpenAlexaff
Delphine Bouilly

Notice bibliographique

RevueECS Meeting Abstracts · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueVarious Chemistry Research Topics
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésBiomoleculeBiosensorNanotechnologyDNANucleic acidMicrosecondMoleculeChemistryBiophysicsChemical physicsBiological systemPhysicsMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Single-molecule biophysics offers unique insight into the dynamics and mechanistics of biomolecules, unlimited by the inevitable averaging associated with ensemble measurements. Apart from established single-molecule characterization techniques based on optical and force spectroscopies, electronic sensors are emerging as a novel approach for single-molecule biophysics. These ultraminiature, point-functionalized circuits offer a powerful method to isolate and probe biomolecules, with the ability to detect tiny changes in charge or conformation over a uniquely wide range of time scales. In particular, we have demonstrated signal acquisition in fast time scales down to the microsecond range, combined with extended, multi-hour measurement times on the same molecule. In this presentation, I will present recent studies exploring the conformational dynamics of nucleic acids. I will demonstrate how nanoelectronic biosensors can detect, through quantized fluctuations in electrical conductance, successive hybridization and melting events in double-stranded DNA, as well as fluctuations between different folded states in single-stranded telomeric DNA and riboswitch RNA sequences. Electronic sensors open the way towards developing integrated genomic analyses, as well as investigating the mechanistic and dynamics landscape of a variety of biomolecules.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,193
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,273
Écart entre enseignants0,257 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetVarious Chemistry Research TopicsTravaux en français237 207