MétaCan
Menu
Retour à la cohorte
Enregistrement W2946048361 · doi:10.1016/j.dib.2019.104037

Determination of the degree of PEGylation of protein bioconjugates using data from proton nuclear magnetic resonance spectroscopy

2019· article· en· W2946048361 sur OpenAlexafffund
Ahlem Zaghmi, Andrea A. Greschner, Eduardo Mendez-Villuendas, Jun Yang Liu, Hendrick W. de Haan, Marc A. Gauthier

Notice bibliographique

RevueData in Brief · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChemical Synthesis and Analysis
Établissements canadiensUniversity of Ontario Institute of TechnologyInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesCanadian Institutes of Health Research
Mots-clésPEGylationNuclear magnetic resonance spectroscopyNuclear magnetic resonanceChemistryProton magnetic resonanceSpectroscopyBiochemistryPhysics

Résumé

récupéré en direct d'OpenAlex

H NMR spectra of thirteen bioconjugates with different degrees of PEGylation and different mPEG molecular weights, is provided for the reader to become familiar with the analysis. The exemplary bioconjugate system used in this Data article is the enzyme glutamate dehydrogenase (GDH) modified with multiple copies of mPEG (0.5-20 kDa). These bioconjugates correspond to those discussed in-depth in the article "Mechanisms of activity loss for a multi-PEGylated protein by experiment and simulation" by Zaghmi et al., 2019 The described approach to calculate degree of PEGylation is quantitative, applicable to other proteins, and can be adapted to other types of polymers.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,190

Scores Codex et Gemma par catégorie

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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,041
Tête enseignante GPT0,275
Écart entre enseignants0,234 · 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.

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

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetChemical Synthesis and AnalysisTravaux en français237 207