MétaCan
Menu
Retour à la cohorte
Enregistrement W2950747216 · doi:10.3791/59112

Fluorescent Visualization of Mango-tagged RNA in Polyacrylamide Gels via a Poststaining Method

2019· article· en· W2950747216 sur OpenAlexaff
Iqra M. Yaseen, Quiana R. Ang, Peter J. Unrau

Notice bibliographique

RevueJournal of Visualized Experiments · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésRNAPolyacrylamideFluorophoreRibonucleoproteinFluorescenceChemistryPolyacrylamide gel electrophoresisBiophysicsChromatographyMolecular biologyBiologyBiochemistryPhysicsGene

Résumé

récupéré en direct d'OpenAlex

Native and denaturing polyacrylamide gels are routinely used to characterize ribonucleoprotein (RNP) complex mobility and to measure RNA size, respectively. As many gel-imaging techniques use nonspecific stains or expensive fluorophore probes, sensitive, discriminating, and economical gel-imaging methodologies are highly desirable. RNA Mango core sequences are small (19-22 nt) sequence motifs that, when closed by an arbitrary RNA stem, can be simply and inexpensively appended to an RNA of interest. These Mango tags bind with high affinity and specificity to a thiazole-orange fluorophore ligand called TO1-Biotin, which becomes thousands of times more fluorescent upon binding. Here we show that Mango I, II, III, and IV can be used to specifically image RNA in gels with high sensitivity. As little as 62.5 fmol of RNA in native gels and 125 fmol of RNA in denaturing gels can be detected by soaking gels in an imaging buffer containing potassium and 20 nM TO1-Biotin for 30 min. We demonstrate the specificity of the Mango-tagged system by imaging a Mango-tagged 6S bacterial RNA in the context of a complex mixture of total bacterial RNA.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,390
Écart entre enseignants0,374 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetRNA and protein synthesis mechanismsTravaux en français237 207