Notice bibliographique
Résumé
Mol Syst Biol. 6: 6 Since the discovery of the genetic code by Holley, Khorana, and Nirenberg, researchers have been fascinated by the apparent redundancy of synonymous codons that code for the same amino acid. Subsequent work led to the discovery that synonymous codons are not used randomly in coding sequences. Rather, classes of genes that are characterized by a specific codon usage bias can be identified. Thus, ‘optimal codons’ were defined as codons that are enriched in highly expressed genes. Based on this notion, bioinformatics researchers have developed the Codon Adaptation Index, which has been adopted as an approximate measure for overall gene expression level. The classical theory of codon bias posits that optimal codons correlate with the abundances of cognate tRNAs, and thereby increase translational efficiency and accuracy (Ikemura, 1981) by reducing the rate of ribosomal stalling and decreasing the chances of incorporating the wrong amino acid. Consequently, optimal codons are thought to prevent mistranslation‐induced misfolding (Drummond and Wilke, 2008). In a recent study published in Molecular Systems Biology , Warnecke and Hurst (2010) report evidence for a novel mechanism underlying optimal codon usage. They hypothesize a novel link between codon bias and the cellular folding machinery; namely, the GroEL chaperonin complex. Specifically, proteins that only sporadically rely on chaperones (in trans ) to prevent misfolding are …
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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.
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 ».