MétaCan
Menu
Retour à la cohorte
Enregistrement W4398768237 · doi:10.1002/cbic.202400225

Kinetic ITC of DNA Aptamers Binding for Small Molecules and Implications for Binding Assays and Biosensors

2024· article· en· W4398768237 sur OpenAlexafffund
Yuzhe Ding, Juewen Liu

Notice bibliographique

RevueChemBioChem · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAptamerReceptor–ligand kineticsChemistryMolecular beaconBiosensorKineticsSmall moleculeBiophysicsDNABiochemistryOligonucleotideBiologyMolecular biologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The determination of k on and k off values through kinetic analysis is crucial for understanding the intricacies of aptamer‐target binding interactions. By employing kinetic ITC, we systematically analyzed a range of ITC data of various aptamers. Upon plotting their k on and k off values as a function of their K d values, a notable trend emerged. Across a range of K d values spanning from 28 nM to 864 μM, the k on value decreased from 2×10 5 M −1 s −1 to 96 M −1 s −1 , whereas the k off value increased from 1.03×10 −3 s −1 to 0.012 s −1 . Thus, both k on and k off contributed to the change of K d in the same direction, although the range of k on change was larger. Since experiments are often run at close to the K d value, this concentration effect also played an important role in the observed binding kinetics. The effect of these kinetic parameters on two common sensing mechanisms, including aptamer beacons and strand‐displacement assays, are discussed. This work has provided the kinetic values of small molecule binding aptamers and offered insights into aptamer‐based biosensors.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,290
Écart entre enseignants0,270 · 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

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207