MétaCan
Menu
Retour à la cohorte
Enregistrement W2278951251 · doi:10.1385/1-59259-046-2:305

Monitoring MMP and TIMP mRNA Expression by RT-PCR

2003· article· en· W2278951251 sur OpenAlexaff
Howard Wong, Huong Muzik, Lori Lynne Groft, Marc A. Lafleur, Charles Matouk, Peter Forsyth, Gilbert A. Schultz, Steven J. Wall, Dylan R. Edwards

Notice bibliographique

RevueHumana Press eBooks · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtease and Inhibitor Mechanisms
Établissements canadiensFoothills Medical CentreAlberta Children's HospitalUniversity of CalgaryCalgary Laboratory Services
Organismes subventionnairesnon disponible
Mots-clésReverse transcriptaseGlyceraldehyde 3-phosphate dehydrogenaseMolecular biologyComplementary DNAPrimer (cosmetics)Messenger RNAReal-time polymerase chain reactionReverse transcription polymerase chain reactionPolymerase chain reactionChemistryMatrix metalloproteinaseBiologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Reverse Transcriptase-Polymerase Chain Reaction (RT-PCR) is a sensitive and rapid method to monitor the expression of specific mRNAs. Here we describe two approaches to quantification of steady-state levels of Matrix Metalloproteinase (MMP) and Tissue Inhibitor of Metalloproteinase (TIMP) mRNAs using RT-PCR. The first is a modified RT-PCR protocol called the “primer-dropping” method ( 1 ), which involves the simultaneous amplification of the specific MMP and TIMP target mRNAs (which are expressed in variable amounts in human cells) and that of an internal standard (glyceraldehyde phosphate dehydrogenase, GAPDH) which is expressed at constant levels. The internal standard provides a means to monitor the RT-PCR reaction efficiencies and to normalize the reaction products. The second approach uses coamplification of the specific target with a multi-MMP competitor cDNA within the same tube ( 2 ). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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 enseignants0,006
Score d'incertitude au seuil0,020

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,005

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 Opus0,024
Tête enseignante GPT0,250
Écart entre enseignants0,226 · 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

Citations19
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetProtease and Inhibitor MechanismsTravaux en français237 207