Application of 12S rRNA Barcodes for the Identification of Animal-Derived Drugs
Notice bibliographique
Résumé
PURPOSE. Animal-derived drugs are the major source of biological products and traditional medicine, but they are often difficult to identify, causing confusion in the clinical application. Among these medicinal animals, a number of animal species are endangered, leading to the destruction of biodiversity. The identification of animal-derived drugs and their alternatives would be a first step toward biodiversity conservation and safe medication. Until now, no effective method for identifying animal-derived drugs has been demonstrated; DNA-based species identification presents a brand-new technique. METHODS. We designed primers to amplify a 523-bp fragment of 12S rRNA and generated sequences for 13 individuals within six medicinal animal species. We examined the efficiency of species recognition based on this sequence, and we also tested the taxonomic affiliations against the GenBank database. RESULTS. All the tested drugs were identified successfully, and a visible gap was found between the inter-specific and intra-specific variation. We further demonstrated the importance of data exploration in DNA-based species identification practice by examining the sequence characteristics of relative genera in GenBank. This region of the 12S rRNA gene had a 100% success rate of species recognition within the six medicinal animal species. CONCLUSIONS. We propose that the 12S rRNA locus might be universal for identifying animal-derived drugs and their adulterants. The development of 12S rRNA for indentifying animal-derived drugs that share a common gene target would contribute significantly to the clinical application of animal-derived drugs and the conservation of medicinal animal species. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».