MétaCan
Menu
Retour à la cohorte
Enregistrement W2106456081 · doi:10.1146/annurev-physchem-040513-103605

Biomolecular Damage Induced by Ionizing Radiation: The Direct and Indirect Effects of Low-Energy Electrons on DNA

2015· review· en· W2106456081 sur OpenAlexafffund
Elahe Alizadeh, Thomas M. Orlando, Léon Sanche

Notice bibliographique

RevueAnnual Review of Physical Chemistry · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health ResearchOffice of ScienceU.S. Department of Energy
Mots-clésDNA damageIonizing radiationRadiation damageDNAIrradiationBiomoleculeElectronMaterials scienceRadiationNanotechnologyBiophysicsChemistryChemical physicsBiologyPhysicsBiochemistryOptics

Résumé

récupéré en direct d'OpenAlex

Many experimental and theoretical advances have recently allowed the study of direct and indirect effects of low-energy electrons (LEEs) on DNA damage. In an effort to explain how LEEs damage the human genome, researchers have focused efforts on LEE interactions with bacterial plasmids, DNA bases, sugar analogs, phosphate groups, and longer DNA moieties. Here, we summarize the current understanding of the fundamental mechanisms involved in LEE-induced damage of DNA and complex biomolecule films. Results obtained by several laboratories on films prepared and analyzed by different methods and irradiated with different electron-beam current densities and fluencies are presented. Despite varied conditions (e.g., film thicknesses and morphologies, intrinsic water content, substrate interactions, and extrinsic atmospheric compositions), comparisons show a striking resemblance in the types of damage produced and their yield functions. The potential of controlling this damage using molecular and nanoparticle targets with high LEE yields in targeted radiation-based cancer therapies is also discussed.

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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,311
Écart entre enseignants0,301 · 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

Citations484
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Physical ChemistryMême sujetRadiation Therapy and DosimetryTravaux en français237 207