MétaCan
Menu
Retour à la cohorte
Enregistrement W2743365315 · doi:10.1021/acs.jpclett.7b01564

Supramolecular Protein Assemblies Based on DNA Templates

2017· article· en· W2743365315 sur OpenAlexaff
Chunxi Hou, Shuwen Guan, Ruidi Wang, Wei Zhang, Fanchao Meng, Linlu Zhao, Jiayun Xu, Junqiu Liu

Notice bibliographique

RevueThe Journal of Physical Chemistry Letters · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésTemplateSupramolecular chemistryDNAComputational biologyNanotechnologyMaterials scienceChemistryCrystallographyBiologyBiochemistryCrystal structure

Résumé

récupéré en direct d'OpenAlex

DNA plays an important role in the process of protein assembly. DNA viruses such as the M13 virus are typical examples in which single DNA genomes behave as templates to induce the assembly of multiple major coat protein (PVIII) monomers. Thus, the design of protein assemblies based on DNA templates attracts much interest in the construction of supramolecular structures and materials. With the development of DNA nanotechnology, precise 1D and 3D protein nanostructures have been designed and constructed by using DNA templates through DNA-protein interactions, protein-ligand interactions, and protein-adapter interactions. These DNA-templated protein assemblies show great potential in catalysis, medicine, light-responsive systems, drug delivery, and signal transduction. Herein, we review the progress on DNA-based protein nanostructures that possess sophisticated nanometer-sized structures with programmable shapes and stimuli-responsive parameters, and we present their great potential in the design of biomaterials and biodevices in the future.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,001

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 Opus0,008
Tête enseignante GPT0,267
Écart entre enseignants0,258 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry LettersMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207