MétaCan
Menu
Retour à la cohorte
Enregistrement W4406150917 · doi:10.1021/acs.jchemed.4c01023

Exploring Molecular Binding: A Fluorescence Anisotropy Lab for Undergraduates

2025· article· en· W4406150917 sur OpenAlexafffund
Maxine Forder, Maira Rivera, Jasmine Phénix, Tara Shomali, Lisa Marie Munter, Maureen McKeague

Notice bibliographique

RevueJournal of Chemical Education · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcGill University
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationGénome Québec
Mots-clésAptamerFluorescence anisotropyNucleic acidFluorescenceMacromoleculeChemistryBiophysicsBiophysical chemistryNanotechnologyBiochemistryBiologyMaterials sciencePhysicsGenetics

Résumé

récupéré en direct d'OpenAlex

Measuring interactions between macromolecules is essential for elucidating their dynamics in solution and is critical for the design and study of potential therapeutics. Fluorescence anisotropy has been a powerful and widely used tool for studying binding interactions. When a fluorescent partner is excited with polarized light while bound to its cognate ligand, the emitted light is partially polarized. This process is dependent on the concentration of bound molecules, permitting the determination of the binding affinity. Here, we outline a highly modular undergraduate-level laboratory in which students use fluorescence anisotropy to measure binding interactions between a synthetic nucleic acid aptamer and its protein target. Students learn the theory of functional nucleic acids and the principles of fluorescence while exploring the relevance of aptamer sequence/structure activity relationships via mutations to aptamers. With this approach, students can deepen their knowledge about macromolecular interactions and are able to develop valuable analytical and biophysical laboratory skills. This experiment is highly adaptable to suit a range of funding and instructor availability, making it accessible and tailorable to most laboratory settings.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0240,013

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 Opus0,026
Tête enseignante GPT0,319
Écart entre enseignants0,293 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical EducationMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207