MétaCan
Menu
Retour à la cohorte
Enregistrement W4412603757 · doi:10.1042/bcj20240731

Comparison of Classical P81 and SVI-P Cation-Exchange Papers in Radiometric Protein Kinase Assays

2025· article· en· W4412603757 sur OpenAlexaff
Muhammad Khabib, Lifang Zhang, Ashley J. Ovens, Abdulhameed Al‐Ghabkari, John W. Scott, Lindsay G. Sparrow, Martha Blank, Lisa Murray‐Segal, Sandra Galić, Morag Park, Christopher G. Langendorf, Naomi X.Y. Ling, Ashfaqul Hoque

Notice bibliographique

RevueBiochemical Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesDepartment of Health and Aged Care, Australian GovernmentJack Brockhoff FoundationBethlehem Griffiths Research Foundation
Mots-clésKinaseProtein kinase AChemistryMAPK/ERK pathwayBiochemistry

Résumé

récupéré en direct d'OpenAlex

Radiometric kinase assays have been widely used due to their high sensitivity and dynamic range. The assay measures the transfer of 32Pi from [γ-32P]-ATP to specific substrates, typically synthetic peptides. The 32P-phosphorylated peptide product is captured by binding it to phosphocellulose paper, specifically P81. Unfortunately, GE Healthcare, the sole supplier of P81, has discontinued its manufacture. Recently, a replacement for P81, SVI-P cation-exchange filter paper, has become available. We have tested SVI-P in various kinase assays, including those for AMPK, Abl, CDK2, and ERK, and found that it performs comparably to P81 in capturing substrates. Additionally, a commercial kinase profiling assay using SVI-P successfully captured a range of peptide and protein substrates from 48 different protein kinases. One minor limitation of SVI-P was the higher background radioactivity; however, this can be addressed through optimisation and extended wash steps. Overall, SVI-P represents a viable alternative for radiometric kinase assays, ensuring continued reliability in both academic and industrial research 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)0,007
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,018
Tête enseignante GPT0,369
Écart entre enseignants0,351 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemical JournalMême sujetLung Cancer Treatments and MutationsTravaux en français237 207