Development of a Real-Time Pectic Oligosaccharide-Detecting Biosensor Using the Rapid and Flexible Computational Identification of Non-Disruptive Conjugation Sites (CINC) Biosensor Design Platform
Notice bibliographique
Résumé
Fluorescently labeled, solute-binding proteins that change their fluorescent output in response to ligand binding are frequently used as biosensors for a wide range of applications. We have previously developed a "Computational Identification of Non-disruptive Conjugation sites" (CINC) approach, an in silico pipeline utilizing molecular dynamics simulations for the rapid design and construction of novel protein-fluorophore conjugate-type biosensors. Here, we report an improved in silico scoring algorithm for use in CINC and its use in the construction of an oligogalacturonide-detecting biosensor set. Using both 4,5-unsaturated and saturated oligogalacturonides, we demonstrate that signal transmission from the ligand-binding pocket of the starting protein scaffold to the CINC-selected reporter positions is effective for multiple different ligands. The utility of an oligogalacturonide-detecting biosensor is shown in Carbohydrate Active Enzyme (CAZyme) activity assays, where the biosensor is used to follow product release upon polygalacturonic acid (PGA) depolymerization in real time. The oligogalacturonide-detecting biosensor set represents a novel enabling tool integral to our rapidly expanding platform for biosensor-based carbohydrate detection, and moving forward, the CINC pipeline will continue to enable the rational design of biomolecular tools to detect additional chemically distinct oligosaccharides and other solutes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».