MétaCan
Menu
Retour à la cohorte
Enregistrement W1894009056 · doi:10.1371/journal.pone.0142277

Simulation Assisted Analysis of the Intrinsic Stiffness for Short DNA Molecules Imaged with Scanning Atomic Force Microscopy

2015· article· en· W1894009056 sur OpenAlexafffund
Haowei Wang, Joshua N. Milstein

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésPersistence lengthDNAAtomic force microscopyBiophysicsStiffnessMicaForce spectroscopyMicroscopyFlexibility (engineering)Resolution (logic)Biological systemScanning Force MicroscopyMoleculeMaterials scienceNanotechnologyPolymerChemistryPhysicsOpticsBiologyComputer scienceMathematicsComposite materialArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Studying the mechanical properties of short segments of dsDNA can provide insight into various biophysical phenomena, from DNA looping to the organization of nucleosomes. Scanning atomic force microscopy (AFM) is able to acquire images of single DNA molecules with near-basepair resolution. From many images, one may use equilibrium statistical mechanics to quantify the intrinsic stiffness (or persistence length) of the DNA. However, this approach is highly dependent upon both the correct microscopic polymer model and a correct image analysis of DNA contours. These complications have led to significant debate over the flexibility of dsDNA at short length scales. We first show how to extract accurate measures of DNA contour lengths by calibrating to DNA traces of simulated AFM data. After this calibration, we show that DNA adsorbed on an aminopropyl-mica surface behaves as a worm-like chain (WLC) for contour lengths as small as ~20 nm. We also show that a DNA binding protein can modify the mechanics of the DNA from that of a WLC.

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 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 enseignants0,125
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,293
Écart entre enseignants0,256 · 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.

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

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207