DNA aptamers against bacterial cells can be efficiently selected by a SELEX process using state-of-the art qPCR and ultra-deep sequencing
Notice bibliographique
Résumé
Abstract DNA aptamers generated by cell-SELEX against bacterial cells have gained increased interest as novel and cost-effective affinity reagents for cell labelling, imaging and biosensing. Here we describe the selection and identification of DNA aptamers for bacterial cells using a combined approach based on cell-SELEX, state-of-the-art applications of quantitative real-time PCR (qPCR), next-generation sequencing (NGS) and bioinformatic data analysis. This approach is demonstrated on Enterococcus faecalis ( E. faecalis ), which served as target in eleven rounds of cell-SELEX with multiple subtractive counter-selections against non-target species. During the selection, we applied qPCR-based analyses to evaluate the ssDNA pool size and remelting curve analysis of qPCR amplicons to monitor changes in pool diversity and sequence enrichment. Based on NGS-derived data, we identified 16 aptamer candidates. Among these, aptamer EF508 exhibited high binding affinity to E. faecalis cells (K D -value: 37 nM) and successfully discriminated E. faecalis from 20 different Enterococcus and non- Enterococcus spp. Our results demonstrate that this combined approach enabled the rapid and efficient identification of an aptamer with both high affinity and high specificity. Furthermore, the applied monitoring and assessment techniques provide insight into the selection process and can be highly useful to study and improve experimental cell-SELEX designs to increase selection efficiency.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».