MétaCan
Menu
Retour à la cohorte
Enregistrement W3011285294 · doi:10.1101/2020.03.10.986562

Rational design of novel fluorescent enzyme biosensors for direct detection of strigolactones

2020· preprint· en· W3011285294 sur OpenAlexfundno aff
Rebecca J. Chesterfield, Jason Whitfield, Benjamin Pouvreau, Da Cao, Christine A. Beveridge, Claudia E. Vickers

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Parasitism and Resistance
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaUniversity of QueenslandCommonwealth Scientific and Industrial Research OrganisationAustralian Government
Mots-clésStrigolactoneBiosensorRhizosphereBiologyGreen fluorescent proteinStrigaFluorescenceOrobancheBiochemistryChemistryCell biologyBotanyArabidopsisBacteriaGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Strigolactones are plant hormones and rhizosphere signalling molecules with key roles in plant development, mycorrhizal fungal symbioses, and plant parasitism. Currently, sensitive, specific, and high-throughput methods of detecting strigolactones are limited. Here, we developed genetically encoded fluorescent strigolactone biosensors based on the strigolactone receptors DAD2 from Petunia hybrida, and HTL7 from Striga hermonthica via domain insertion of circularly permuted GFP. The DAD2 biosensor exhibited loss of cpGFP fluorescence in vitro upon treatment with the strigolactones 5-deoxystrigol and orobanchol, or the strigolactone analogue GR24. The biosensor likewise responded to strigolactones in an in vivo protoplast system, and retained strigolactone hydrolysis activity. The ShHTL7 biosensor exhibited loss of cpGFP fluorescence upon GR24 treatment in vitro, and responded to a specific inhibitor of ShHTL7 but not DAD2, indicating that the biosensors retained the specificity of their parent receptors. These biosensors have applications in high-throughput screening, and may also have utility for studying strigolactone biology.

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 enseignants0,078
Score d'incertitude au seuil0,587

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 Opus0,033
Tête enseignante GPT0,217
Écart entre enseignants0,184 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetPlant Parasitism and ResistanceTravaux en français237 207