Couplage covalent contrôlé protéine-ADN pour la construction d'assemblages de protéines codées par ADN
Bibliographic record
Abstract
La nanoconstruction avec ADN est utilisée comme un outil puissant pour étudier le fonctionnement de systèmes biologiques complexes. Dans cette étude, nous avons utilisé et développé une nouvelle méthode pour construire des assemblages en utilisant des protéines couplés à l'ADN avec des réactifs bifonctionnels. J’ai montré la fonctionnalité de ces méthodes avec le coulage et l’assemblage de deux protéines fluorescentes la sfGFP et la mRuby3. Nous avons pu confirmer la formation des assemblages souhaités par transfert d'énergie de fluorescence et par électrophorèse. Notre méthode nous permet de concevoir positionner plusieurs différentes molécules, telles que des protéines, dans assemblages complexes guidées par l’ADN. Ceci offre une plateforme nanotechnologique pour construire des nouveaux metamatériaux mais également permet de tester des hypothèses sur le rôle de l’organisation dans le fonctionnement de systèmes biologiques telles que les voies de signalisation, ou bien les membranes biologiques. Dans l'ensemble, cette méthode offre flexibilité, polyvalence et contrôlabilité à la conception en raison des caractéristiques de l'ADN lui-même et des modifications chimiques pour les protéines de manipulation sont simples et peu coûteuses. Afin de permettre l’utilisation dans les constructions complexes j’ai également étudié la formation d’assemblages d’ADN dite origami en conditions isothermes. Cette méthode basé sur la gestion de la concentration d’ions promet la formation d’assemblages complexes a des températures ambiantes sans recours a une chauffage susceptible a dénaturer des protéines.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".