Quantitative Comparison of Capture-SELEX, GO-SELEX, and Gold-SELEX for Enrichment of Aptamers
Notice bibliographique
Résumé
Since 1990, numerous methods for aptamer selection have been developed, although a quantitative comparison of their sequence enrichment is lacking. In this study, we compared the enrichment factors of three library-immobilization SELEX methods (capture-SELEX, GO-SELEX, and gold-SELEX). We used a spiked library that contained multiple DNA aptamers with different affinities for adenosine. The aptamer separation efficiency was measured using qPCR, and all of the three methods showed a very low DNA release (<1%) in the presence of 100 μM adenosine. Among these, barely any DNA was released from the gold nanoparticles. Deep sequencing was used to compare the enrichment of three aptamers: Ade1301, Ade1304, and the classical aptamer. Enrichment up to 30 to 50-fold was observed only for the capture-SELEX method, whereas the other two methods showed enrichment factors below 1. By blocking the primer-binding regions of the library, GO-SELEX reached up to 14% enrichment. Finally, the enrichment of aptamers based on nonspecific release and target-induced release was discussed, and the advantages of capture-SELEX were rationalized. Taken together, these results indicate that capture-SELEX is a much more efficient method for enriching aptamers.
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 | 0,000 |
| 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 ».