Selected technologies to control genes and their products for experimental and clinical purposes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
"On-demand" regulation of gene expression is a powerful tool to elucidate the functions of proteins and biologically-active RNAs. We describe here three different approaches to the regulation of expression or activity of genes or proteins. Promoter-based regulation of gene expression was among the most rapidly developing techniques in the 1980s and 1990 s. Here we provide basic information and also some characteristics of the metallothionein-promoter-based system, the tet-off system, Muristerone-A-regulated expression through the ecdysone response element, RheoSwitch, coumermycin/novobiocin-regulated gene expression, chemical dimerizer-based promoter activation systems, the "Dual Drug Control" system, "constitutive androstane receptor"-based regulation of gene expression, and RU486/mifepristone-driven regulation of promoter activity. A large part of the review concentrates on the principles and usage of various RNA interference techniques (RNAi: siRNA, shRNA, and miRNA-based methods). Finally, the last part of the review deals with historically the oldest, but still widely used, methods of temperature-dependent regulation of enzymatic activity or protein stability (temperature-sensitive mutants). Due to space limitations we do not describe in detail but just mention the tet-regulated systems and also fusion-protein-based regulation of protein activity, such as estrogen-receptor fusion proteins. The information provided below is aimed to assist researchers in choosing the most appropriate method for the planned development of experimental systems with regulated expression or activity of studied proteins.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découle