MétaCan
Menu
Retour à la cohorte
Enregistrement W2162362229 · doi:10.1520/jfs2003275

A Simple and Efficient Method for Extracting DNA From Old and Burned Bone

2004· article· en· W2162362229 sur OpenAlexaff
Jiarui Ye, Aihong Ji, Esteban J. Parra, Xiao‐Hui Zheng, Caiying Jiang, Xin Zhao, Lan Hu, Z. Tu

Notice bibliographique

RevueJournal of Forensic Sciences · 2004
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueForensic and Genetic Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIsoamyl alcoholDNADNA extractionGenotypingAncient DNAChromatographyChloroformDNA profilingExtraction (chemistry)ChemistryPolymerase chain reactionBiologyBiochemistryMedicineAlcoholGeneGenotype

Résumé

récupéré en direct d'OpenAlex

It has been a challenge to extract DNA from bones previously soaked in water, burned, or buried for a long time, due to the reduced quality and quantity of DNA in the bone samples. The dramatic degradation of the DNA and the presence of PCR inhibitors in the collagen significantly complicate the process of DNA identification in dated and charred bones. In this article, we present a novel strategy to obtain DNA from bones based on the use of cetyltrimethylammonium bromide (CTAB) lysis buffer and isoamyl alcohol-chloroform extraction with subsequent DNA purification using the DNA IQ System, or alternatively the QIAquick system. When applied to bones soaked, burned or buried for up to nine years, this method increases the purity and yield of DNA with respect to the traditional phenol-chloroform method and significantly improves multiplex STR genotyping using fluorescence-based methods. The results of this research will assist forensic scientists in the identification of DNA from victims whose bodies underwent significant trauma or burning, precluding the utilization of traditional forensic DNA identification techniques.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,006

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 Opus0,025
Tête enseignante GPT0,347
Écart entre enseignants0,321 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetForensic and Genetic ResearchTravaux en français237 207