MétaCan
Menu
Retour à la cohorte
Enregistrement W2144771340 · doi:10.2174/1389201043376751

DNAzymes: From Creation In Vitro to Application In Vivo

2004· review· en· W2144771340 sur OpenAlexaff
John C. Achenbach, William Chiuman, Y. Li

Notice bibliographique

RevueCurrent Pharmaceutical Biotechnology · 2004
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDeoxyribozymeComputational biologyDNARNABiologyNucleic acidNanotechnologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

DNAzymes, also known as deoxyribozymes or DNA enzymes, refer to single-stranded DNA molecules with catalytic capabilities. DNAzymes are generated de novo by in vitro selection--a powerful and yet simple technique that has been routinely used to isolate extremely rare DNA or RNA sequences with a function of interest (e.g. ligand-binding or catalysis) from an extraordinarily large population of single-stranded DNA or RNA molecules. Since the report of the first DNAzyme nearly ten years ago, hundreds of DNA sequences have been isolated in many research laboratories around the world to facilitate many chemical transformations of biological importance. In recent years, considerable efforts have been undertaken to assess a variety of DNAzymes for innovation-driven applications ranging from biosensing to gene regulation. This article provides a review on several key aspects of DNAzyme-related research. We will first review in vitro selection techniques used for DNAzyme creation as well as some DNAzymes created for a few representative chemical transformations. We will then discuss recent progresses in studying and developing DNAzymes as reporter molecules for detection-oriented applications, and as therapeutic agents to regulate gene expression at the RNA level. Future outlook on efforts aimed to bring the wonder of catalytic DNA from laboratory curiosity to real world application are 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,413
Écart entre enseignants0,374 · 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

Citations183
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical BiotechnologyMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207