MétaCan
Menu
Retour à la cohorte
Enregistrement W2990745985 · doi:10.1002/cbic.201900664

The Two Classic Pb<sup>2+</sup>‐Selective DNAzymes Are Related: Rational Evolution for Understanding Metal Selectivity

2019· article· en· W2990745985 sur OpenAlexafffund
Wei Ren, Po‐Jung Jimmy Huang, Meilin He, Mingsheng Lyu, Shujun Wang, Changhai Wang, Juewen Liu

Notice bibliographique

RevueChemBioChem · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDeoxyribozymeSelectivityChemistryStereochemistryNucleotideMetalSubstrate (aquarium)Cleavage (geology)DivalentDNACombinatorial chemistryCatalysisBiochemistryBiologyGeneOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In 1994, the first DNAzyme named GR5 was reported, which specifically requires Pb 2+ for its RNA cleavage activity. Three years later, the 8‐17 DNAzyme was isolated. The 8‐17 DNAzyme and the related 17 E DNAzyme are also most active with Pb 2+ , although other divalent metals can work as well. GR5 and 17 E have the same substrate sequence, and their catalytic loops in the enzyme strands also have a few similar and conserved nucleotides. Considering these, we hypothesized that 17 E might be a special form of GR5. To test this hypothesis, we performed systematic rational evolution experiments to gradually mutate GR5 toward 17 E . By using the activity ratio in the presence of Pb 2+ and Mg 2+ for defining these two DNAzymes, the critical nucleotide was identified to be T 12 in 17 E for metal specificity. In addition, G 9 in GR5 is a position not found in most 17 E or 8‐17 DNAzymes, and G 9 needs to be added to rescue GR5 activity if T 12 becomes a cytosine. This study highlights the links between these two classic and widely used DNAzymes, and offers new insight into the sequence–activity relationship related to metal selectivity.

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 enseignants0,044
Score d'incertitude au seuil0,723

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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · 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

Citations21
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207