MétaCan
Menu
Retour à la cohorte
Enregistrement W4384524582 · doi:10.1038/s41467-023-40032-3

Enabling programmable dynamic DNA chemistry using small-molecule DNA binders

2023· article· en· W4384524582 sur OpenAlexaff
Junpeng Xu, Guan A. Wang, Lu Gao, Lang Wu, Qian Lei, Hui Deng, Feng Li

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensBrock University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSichuan UniversityNational Natural Science Foundation of China
Mots-clésDNAIntercalation (chemistry)Small moleculeNucleic acidCombinatorial chemistryMoleculeChemistryBiophysicsDNA sequencingNanotechnologyComputational biologyBiochemistryMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

The binding of small molecules to the double helical structure of DNA, through either intercalation or minor groove binding, may significantly alter the stability and functionality of DNA, which is a fundamental basis for many therapeutic and sensing applications. Here, we report that small-molecule DNA binders can also be used to program reaction pathways of a dynamic DNA reaction, where DNA strand displacement can be tuned quantitatively according to the affinity, charge, and concentrations of a given DNA binder. The binder-induced nucleic acid strand displacement (BIND) thus enables innovative technologies to accelerate the discovery and characterization of bioactive small molecules. Specifically, we demonstrate the comprehensive characterization of existing and newly discovered DNA binders, where critical parameters for binding affinity and sequence selectivity can be obtained in a single, unbiased molecular platform without the need for any specialized equipment. We also engineer a tandem BIND system as a high-throughput screening assay for discovering DNA binders, through which 8 DNA binders were successfully discovered from a library of 700 compounds.

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 enseignants0,048
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,324
Écart entre enseignants0,302 · 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

Citations38
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207