MétaCan
Menu
Retour à la cohorte
Enregistrement W4328095950 · doi:10.12688/f1000research.131333.1

The identification of high-performing antibodies for transmembrane protein 106B (TMEM106B) for use in Western blot, immunoprecipitation, and immunofluorescence

2023· preprint· en· W4328095950 sur OpenAlexafffund
Riham Ayoubi, Maryam Fotouhi, Kathleen Southern, Ritika Bhajiawala, Rebeka Fanti, Panagiotis Prinos, Peter S. McPherson, Carl Laflamme

Notice bibliographique

RevueF1000Research · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensUniversity of TorontoMcGill UniversityStructural Genomics ConsortiumMontreal Neurological Institute and Hospital
Organismes subventionnairesGenentechCanadian Institutes of Health ResearchInnovative Medicines InitiativeMitacsMotor Neurone Disease AssociationGovernment of CanadaOntario Genomics InstituteEuropean Federation of Pharmaceutical Industries and AssociationsMerck KGaABayerALS Society of CanadaOntario GenomicsGenome CanadaBristol-Myers SquibbPfizerALS Association
Mots-clésImmunoprecipitationWestern blotImmunofluorescenceAntibodyIdentification (biology)Transmembrane proteinBiologyImmunologyBiochemistryBotany

Résumé

récupéré en direct d'OpenAlex

Transmembrane protein 106B (TMEM106B), a protein that is localized to the lysosome, is genetically linked to many neurodegenerative diseases and forms fibrils in diseased brains. The reproducibility of TMEM106B research would be enhanced if the community had access to well-characterized anti-TMEM106B antibodies. In this study, we characterized six commercially available TMEM106B antibodies for their performance in Western blot, immunoprecipitation, and immunofluorescence, using a standardized experimental protocol based on comparing read-outs in knockout cell lines and isogenic parental controls. We identified many high-performing antibodies and encourage readers to use this report as a guide to select the most appropriate antibody for their specific needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,006

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 Opus0,085
Tête enseignante GPT0,380
Écart entre enseignants0,294 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207