MétaCan
Menu
Retour à la cohorte
Enregistrement W4283219752 · doi:10.1101/2022.06.20.496847

Biosensor optimization using a FRET pair based on mScarlet red fluorescent protein and an mScarlet-derived green fluorescent protein

2022· preprint· en· W4283219752 sur OpenAlexafffund
Khyati Gohil, Sheng-Yi Wu, Kei Takahashi-Yamashiro, Yi Shen, Robert E. Campbell

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of AlbertaCanadian Institutes of Health ResearchAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésFörster resonance energy transferBiosensorFluorescenceGreen fluorescent proteinFluorescent proteinAutofluorescenceChemistryBiophysicsCyanProtein engineeringAequorea victoriaBiochemistryBiologyEnzyme

Résumé

récupéré en direct d'OpenAlex

Abstract Genetically encoded biosensors based on Förster resonance energy transfer (FRET) are indispensable tools for monitoring biochemical changes in cells. Green and red fluorescent protein-based FRET pairs offer advantages over the classically employed cyan and yellow fluorescent protein pairs, such as better spectral separation, lower phototoxicity, and less autofluorescence. Here, we describe the development of an mScarlet-derived green fluorescent protein (designated as mWatermelon) and its use as a FRET donor to the red fluorescent protein mScarlet-I as a FRET acceptor. We tested the functionality of this FRET pair by engineering biosensors for the detection of protease activity, Ca 2+ , and K + . Furthermore, we described a strategy to enhance the FRET efficiency of these biosensors by modulating the intramolecular association between mWatermelon and mScarlet-I.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,204
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,247
Écart entre enseignants0,234 · 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.

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207