MétaCan
Menu
Retour à la cohorte
Enregistrement W2793819196 · doi:10.1002/cbic.201800049

An RNA‐Cleaving Catalytic DNA Accelerated by Freezing

2018· article· en· W2793819196 sur OpenAlexafffund
Tianmeng Yu, Wenhu Zhou, Juewen Liu

Notice bibliographique

RevueChemBioChem · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Sponsorship Council
Mots-clésDeoxyribozymeChemistryRNACleavage (geology)DNADivalentBiophysicsCatalysisBiochemistryBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The EtNa DNAzyme was isolated during the isopropanol precipitation step of an in vitro selection effort. Although inactive with the intended cofactor, its RNA cleavage activity was observed under a few conditions. With Na+, EtNa was highly active in ∼50 % ethanol, whereas in water, it was highly active with Ca2+. In this work, we showed that the EtNa DNAzyme was accelerated by freezing in water in the presence of Na+. The apparent Kd value reached 6.2 mm Na+ under the frozen condition, over 20 times tighter than that in water at room temperature. With 10 mm Na+, EtNa had a cleavage rate of 0.12 h−1 after freezing at −20 °C. This effect was unique to EtNa, as all other tested DNAzymes were inhibited by freezing except for the Na+‐specific NaA43. Freezing also inhibited EtNa if Ca2+ was used. We attributed this to the concentrations of EtNa and Na+ in the micropockets between ice crystals, but divalent metals might misfold DNA. Overall, we have systematically studied the effect of freezing on the RNA‐cleavage activity of DNAzymes. The DNAzyme sequence and the metal ion species are both crucial to determine the effect of freezing.

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 seuil0,003

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,285
Écart entre enseignants0,272 · 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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207