MétaCan
Menu
Retour à la cohorte
Enregistrement W4396927795 · doi:10.1002/pro.5021

Protein purification via consecutive histidine–polyphosphate interaction

2024· article· en· W4396927795 sur OpenAlexafffund
Zihao Zhou, Jin Jin, Xu Deng, Zongchao Jia

Notice bibliographique

RevueProtein Science · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCoagulation, Bradykinin, Polyphosphates, and Angioedema
Établissements canadiensQueen's University
Organismes subventionnairesDistinguished Young Scholar Foundation of Hunan ProvinceNatural Science Foundation for Distinguished Young Scholars of Hunan ProvinceCystic Fibrosis Canada
Mots-clésNitrilotriacetic acidHistidinePolyphosphateChemistryTandem affinity purificationProtein purificationAffinity chromatographyBiochemistryChromatographyChelationRecombinant DNACombinatorial chemistryFLAG-tagAmino acidOrganic chemistryFusion proteinEnzyme

Résumé

récupéré en direct d'OpenAlex

While nickel-nitrilotriacetic acid (Ni-NTA) has greatly advanced recombinant protein purification, its limitations, including nonspecific binding and partial purification for certain proteins, highlight the necessity for additional purification such as size exclusion and ion exchange chromatography. However, specialized equipment such as FPLC is typically needed but not often available in many laboratories. Here, we show a novel method utilizing polyphosphate (polyP) for purifying proteins with histidine repeats via non-covalent interactions. Our study demonstrates that immobilized polyP efficiently binds to histidine-tagged proteins across a pH range of 5.5-7.5, maintaining binding efficacy even in the presence of reducing agent DTT and chelating agent EDTA. We carried out experiments of purifying various proteins from cell lysates and fractions post-Ni-NTA. Our results demonstrate that polyP resin is capable of further purification post-Ni-NTA without the need for specialized equipment and without compromising protein activity. This cost-effective and convenient method offers a viable approach as a complementary approach to Ni-NTA.

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 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 enseignants0,101
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,023
Tête enseignante GPT0,306
Écart entre enseignants0,283 · 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProtein ScienceMême sujetCoagulation, Bradykinin, Polyphosphates, and AngioedemaTravaux en français237 207