MétaCan
Menu
Retour à la cohorte
Enregistrement W1498233704 · doi:10.5772/21367

Post-Meiotic DNA Damage and Response in Male Germ Cells

2011· book-chapter· en· W1498233704 sur OpenAlexaff
F Leduc, Genevive Acteau, Marie-Chantal Grgoire, Olivier Simard, Jessica Leroux, Audrey Carrier-Leclerc, Mlina Arguin, Guylain Boissonneault

Notice bibliographique

RevueInTech eBooks · 2011
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA Repair Mechanisms
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésGermDNA damageMeiosisCell biologyBiologyGeneticsDNAGene

Résumé

récupéré en direct d'OpenAlex

Spermatids are haploid cells that differentiate into spermatozoa and may be considered as an interesting model of DNA damage response and repair. Key features, such a unique set of chromosomes, radioresistance to apoptosis, the presence of known end-joining DNA repair pathways and an underlying prerogative to limit the transmission of any mutation to the next generation, make them a unique cell type to provide new insights on similar pathways in somatic cells. Although DNA damage signaling and repair mechanisms have been extensively studied during meiosis, the contribution of post-meiotic germ cells to the genetic integrity of the male gamete have been overlooked. In this chapter we present clear evidences that the haploid phase of spermatogenesis, termed spermiogenesis, may represent an even greater challenge for the maintenance of the genetic integrity of the male gamete. Since transient DNA strand breaks are intrinsic to the differentiation program of spermatids (Leduc et al., 2008a; Marcon and Boissonneault, 2004), a better understanding of DNA repair pathways involved may shed some light on their potential contribution to male-driven de novo mutations and eventually to some unresolved cases of male infertility. This chapter will mainly focus on DNA breaks occurring in the post-meiotic phase of the spermatogenesis and how germ cells deal with it.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

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

En bref

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetDNA Repair MechanismsTravaux en français237 207