MétaCan
Menu
← Retour à la cohorte
Enregistrement W2807093282 · doi:10.1038/s41467-017-02556-3

Comprehensive profiling of the ligand binding landscapes of duplexed aptamer families reveals widespread induced fit

2018· article· en· W2807093282 sur OpenAlexafffund
Jeffrey D. Munzar, Andy Ng, David Juncker

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcGill Genome CentreMcGill UniversityMcGill University and Génome Québec Innovation Centre
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de MontréalNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésAptamerOligonucleotideComputational biologySystematic evolution of ligands by exponential enrichmentDNALigand (biochemistry)BiosensorRiboswitchSmall moleculeRNANanotechnologyChemistryBiophysicsBiologyGeneticsMaterials scienceGeneReceptor

Résumé

récupéré en direct d'OpenAlex

Duplexed aptamers (DAs) are ligand-responsive constructs engineered by hybridizing an aptamer with an aptamer-complementary element (ACE, e.g., a DNA oligonucleotide). Although DAs are commonly deployed, the binding dynamics of ternary ACE-aptamer-ligand systems remain underexplored, having been conventionally described by a conformational selection framework. Here we introduce aptamer-complementary element scanning (ACE-Scan) as a method to generate comprehensive hybridization, spontaneous off-rate, and induced fit ligand-binding landscapes for entire DA families. ACE-Scan reveals induced fit in DAs engineered from small molecule- and protein-binding DNA and RNA aptamers, as well as DAs engineered from the natural add riboswitch aptamer. To validate ACE-Scan, we engineer solution-phase ATP-specific DAs from 5 ACEs with varying spontaneous and induced fit off-rates, generating aptasensors with 8-fold differences in dynamic range consistent with ACE-Scan. This work demonstrates that ACE-Scan can readily map induced fit in DAs, empowering aptamers in biosensing, synthetic biology, and DNA nanomachines.

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 seuil0,002

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 Opus0,028
Tête enseignante GPT0,329
Écart entre enseignants0,301 · 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

Citations54
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetAdvanced biosensing and bioanalysis techniques→Travaux en français237 207→