Dimeric DNA Aptamers for the Spike Protein of SARS‐CoV‐2 Derived from a Structured Library with Dual Random Domains
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Multimeric aptamer strategies are often adopted to improve the binding affinity of an aptamer toward its target molecules. In most cases, multimeric aptamers are constructed by connecting pre‐identified monomeric aptamers derived from in vitro selection. Although multimerization provides an added benefit of enhanced binding avidity, the characterization of different aptamer pairings adds more steps to an already lengthy procedure. Therefore, an aptamer engineering strategy that directly selects for multimeric aptamers is highly desirable. Here, an in vitro selection strategy is reported on using a pre‐structured DNA library that forms dimeric aptamers. Rather than using a library containing a single random region, which is nearly ubiquitous in existing aptamer selections, the library contains two random regions separated by a flexible poly‐thymidine linker. Following sixteen rounds of selection against the SARS‐CoV‐2 spike protein, a relevant model target protein due to the COVID‐19 pandemic, the top aptamers displayed superb affinity with K D values as low as 150 pM. Further analysis reveals that each random region functions as a distinct binding moiety and works together to achieve higher affinity. The demonstrated strategy provides an accelerated method to obtain high‐affinity aptamers, which may prove useful in future aptamer diagnostic and therapeutic applications.
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.
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 découle