A modified X10-23 DNAzyme that can better access large, structured RNA targets
Notice bibliographique
Résumé
The 10-23 DNA enzyme is one of the most efficient RNA-cleaving enzymes reported, possessing substrate recognition arms that can be designed to target virtually any AU diribonucleotide junction. However, 10-23 often shows reduced activity for large, structured RNA (lsRNA) substrates like messenger RNA. Increasing arm length or adding antisense DNA oligonucleotides (ASOs) can improve accessibility to lsRNA but may also reduce the efficiency of product release. Xeno nucleic acids (XNAs), such as 2'-fluoro-arabinonucleic acid (FANA), have been substituted for DNA into the arms of 10-23 to improve activity, such as in the FANA-modified X10-23, but X10-23 also shows poor accessibility for lsRNA targets. To overcome this issue, we substituted patterns of various XNAs with high RNA binding strength into the substrate recognition arms of X10-23. We found that an X10-23 enzyme with a distinct 2'F-RNA-LNA-FANA arm pattern, denoted as XdZ-2, could gain access to several lsRNA targets from SARS-CoV-2, achieving cleavage rates up to 82-fold faster than X10-23 for one system. While the ASO strategy provided higher cleavage rates for two other lsRNA systems, XdZ-2 may be a more attractive alternative in low Mg2+ environments and in terms of improving the efficiency of product release and stability in biological samples.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».