MétaCan
Menu
Retour à la cohorte
Enregistrement W3090758262 · doi:10.1016/j.snr.2020.100020

Sensing guanine and its derivatives: From molecular recognition to applications

2020· article· en· W3090758262 sur OpenAlexafffund
Yuqing Li, Juewen Liu

Notice bibliographique

RevueSensors and Actuators Reports · 2020
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-clésGuanineMolecular recognitionNucleic acidCombinatorial chemistrySmall moleculeChemistryComputational biologyNanotechnologyMoleculeComputer scienceBiochemistryBiologyMaterials scienceNucleotideOrganic chemistryGene

Résumé

récupéré en direct d'OpenAlex

Guanine plays an indispensable role in building nucleic acids, and its derivatives take part in various cellular functions such as regulating biological reactions and signal transduction. Monitoring the levels of guanine and its derivatives is critical for understanding their biological roles and related diseases. Aside from traditional chromatography-based methods, majority of the current detections were based on electrochemistry and the oxidation activity of guanine, for which guanine and adenine often had a similar response. Over the last 30 years, various new sensing strategies have been developed. To provide researchers with more options for specific sensing of guanine and its derivatives, herein we review molecular recognition strategies based on nucleic acids, proteins, small organic molecules, molecularly imprinted polymers to nanomaterials. The mechanism of each molecular recognition strategy is discussed. Based on these target recognition molecules, we also critically review representative fluorescent and electrochemical sensors for guanine-related analytes from an application point of view, and provide readers with our perspectives to further grow this direction.

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 enseignants0,037
Score d'incertitude au seuil0,537

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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensors and Actuators ReportsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207