MétaCan
Menu
Retour à la cohorte
Enregistrement W2971997339 · doi:10.1002/lipd.12190

A Fluorescence‐Based Assay for Quantitative Analysis of Phospholipid:Diacylglycerol Acyltransferase Activity

2019· article· en· W2971997339 sur OpenAlexafffund
Lucas J. Falarz, Yang Xu, Stacy D. Singer, Guanqun Chen

Notice bibliographique

RevueLipids · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of ManitobaUniversity of LethbridgeUniversity of Alberta
Organismes subventionnairesCanada Research ChairsAlberta InnovatesAlberta Agriculture and Forestry
Mots-clésBiochemistryAcyltransferaseDiacylglycerol kinasePhospholipidArabidopsis thalianaEnzymeRecombinant DNABiosynthesisChemistryBiologyAcyltransferasesSubstrate (aquarium)MutantGene

Résumé

récupéré en direct d'OpenAlex

Phospholipid:diacylglycerol acyltransferase (PDAT) catalyzes the acyl-CoA-independent triacylglycerol (TAG) biosynthesis in plants and oleaginous microorganisms and thus is a key target in lipid research. The conventional in vitro PDAT activity assay involves the use of radiolabeled substrates, which, however, are expensive and demand strict regulation. In this study, a reliable fluorescence-based method using nitrobenzoxadiazole-labeled diacylglycerol (NBD-DAG) as an alternative substrate was established and subsequently used to characterize the enzyme activity and kinetics of a recombinant Arabidopsis thaliana PDAT1 (AtPDAT1). We also demonstrate that the highly toxic benzene used in typical PDAT assays can be substituted with diethyl ether without affecting the formation rate of NBD-TAG. Overall, this method works well with a broad range of PDAT protein content and shows linear correlation with the conventional method with radiolabeled substrates, and thus may be applicable to PDAT from various plant and microorganism species.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,015
Tête enseignante GPT0,276
Écart entre enseignants0,261 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLipidsMême sujetLipid metabolism and biosynthesisTravaux en français237 207