Methods for high throughput validation of amplified fragment pools of BAC DNA for constructing high resolution CGH arrays
Notice bibliographique
Résumé
BACKGROUND: The recent development of array based comparative genomic hybridization (CGH) technology provides improved resolution for detection of genomic DNA copy number alterations. In array CGH, generating spotting solution is a multi-step process where bacterial artificial chromosome (BAC) clones are converted to replenishable PCR amplified fragments pools (AFP) for use as spotting solution in a microarray format on glass substrate. With completion of the human and mouse genome sequencing, large BAC clone sets providing complete genome coverage are available for construction of whole genome BAC arrays. Currently, Southern hybridization, fluorescent in-situ hybridization (FISH), and BAC end sequencing methods are commonly used to identify the initial BAC clone but not the end product used for spotting arrays. The AFP sequencing technique described in this study is a novel method designed to verify the identity of array spotting solution in a high throughput manner. RESULTS: We show here that Southern hybridization, FISH, and AFP sequencing can be used to verify the identity of final spotting solutions using less than 10% of the AFP product. Single pass AFP sequencing identified over half of the 960 AFPs analyzed. Moreover, using two vector primers approximately 90% of the AFP spotting solutions can be identified. CONCLUSIONS: In this feasibility study we demonstrate that current methods for identifying initial BAC clones can be adapted to verify the identity of AFP spotting solutions used in printing arrays. Of these methods, AFP sequencing proves to be the most efficient for large scale identification of spotting solution in a high throughput manner.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».