MétaCan
Menu
Retour à la cohorte
Enregistrement W2051475149 · doi:10.1002/wnan.1218

Long‐range assembly of DNA into nanofibers and highly ordered networks

2013· review· en· W2051475149 sur OpenAlexaff
Karina M. M. Carneiro, Nicole Avakyan, Hanadi F. Sleiman

Notice bibliographique

RevueWiley Interdisciplinary Reviews Nanomedicine and Nanobiotechnology · 2013
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyDNA nanotechnologyLithographyDNADNA origamiNanomedicineMaterials scienceBridging (networking)Computer scienceNanostructureBiologyOptoelectronicsNanoparticleGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Long‐range assembly of DNA currently comprises both top‐down and bottom‐up methods. The top‐down techniques consist of physical alignment of DNA and lithographic patterning to organize DNA on surfaces. The bottom‐up approaches include lipid‐and polymer–DNA co‐assembly, the self‐assembly of DNA amphiphiles, and the remarkably specific and versatile methods of DNA nanotechnology. DNA‐based materials possess unprecedented molecular control and may offer innovative solutions in the fields of nanotechnology, sensing, nanomedicine, as well as optical and electronic devices. To realize the potential of these materials, a number of hurdles must be addressed. Bridging the gap between top‐down fabrication and bottom‐up assembly is of critical importance to the successful development of functional DNA‐based technology. A profound understanding of both regimes is necessary to achieve this goal. WIREs Nanomed Nanobiotechnol 2013, 5:266–285. doi: 10.1002/wnan.1218 This article is categorized under: Therapeutic Approaches and Drug Discovery > Emerging Technologies Biology-Inspired Nanomaterials > Nucleic Acid-Based Structures Nanotechnology Approaches to Biology > Nanoscale Systems in Biology

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,017
Tête enseignante GPT0,320
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Nanomedicine and NanobiotechnologyMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207