Predicting efficiency of NECEEM‐based partitioning of protein binders from nonbinders in DNA‐encoded libraries
Notice bibliographique
Résumé
Nonequilibrium capillary electrophoresis of equilibrium mixtures (NECEEM) is an affinity method for separating binder-target complexes from nonbinders by gel-free CE. NECEEM is a promising high-efficiency method for partitioning protein binders from nonbinders in DNA-encoded libraries (DEL), such binders are used as "hits" in drug development. It is important to be able to predict the efficiency of NECEEM-based partitioning, which is the efficiency of collecting binders while removing nonbinders for a specific protein and a specific DEL with a minimum of empirical information. Here, we derive and study the dependence of efficiency of NECEEM-based partitioning on electrophoretic mobilities of the protein and the DNA moiety in DEL compounds. Our derivation is based upon a previously found relation between the electrophoretic mobility of protein-binder complex and measured electrophoretic mobilities of the protein and unbound DEL and their estimated sizes. The derivation utilizes the assumption of Gaussian shapes of electrophoretic peaks and the approximation of the efficiency of partitioning by the background of nonbinders - a fraction of nonbinders, which elutes along with protein-binder complexes. Our results will serve as a guiding tool for planning the NECEEM-based partitioning of protein binders from non-binders in DELs. In particular, it can be used to estimate a minimum number of rounds of partitioning required for the desired level of DEL enrichment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».