MétaCan
Menu
Retour à la cohorte
Enregistrement W4403556806 · doi:10.1016/j.ab.2024.115693

Impact of Lectin biotinylation for surface plasmon resonance and enzyme-linked Lectin assays for protein glycosylation

2024· article· en· W4403556806 sur OpenAlexafffund
B. SERAFIN, Amine Kamen, Grégory De Crescenzo, Olivier Henry

Notice bibliographique

RevueAnalytical Biochemistry · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiotin and Related Studies
Établissements canadiensMcGill UniversityPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésBiotinylationLectinSurface plasmon resonanceGlycosylationChemistryBiochemistryGlycoproteinEnzymeNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Lectins are widely employed for the assessment of protein glycosylation as their carbohydrate binding specificities have been well characterized. In glycosylation assays, lectins are often conjugated with biotin tags, which interact with streptavidin to functionalize biosensing surfaces or recruit signal generating molecules, depending on the assay configuration. We here demonstrate that a high degree of biotin conjugation can limit total capture to streptavidin functionalized SPR surfaces due to multipoint binding, and can additionally bias the reported kinetic evaluations when measuring the interaction between lectins and glycoproteins by SPR. For microplate assays using different configurations, high biotinylation ratios can effectively amplify the signal obtained when using Streptavidin conjugates for detection, in some cases significantly lowering the limit of detection. The cumulative results express the importance of customizing the ligand biotinylation ratios for different assay configurations, as commercially obtained pre-biotinylated lectins are not necessarily optimized for different assay configurations.

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 enseignants0,016
Score d'incertitude au seuil0,620

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,303
Écart entre enseignants0,290 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical BiochemistryMême sujetBiotin and Related StudiesTravaux en français237 207