MétaCan
Menu
Retour à la cohorte
Enregistrement W2409936530 · doi:10.1007/978-1-62703-730-3_14

Construction and Application of Riboswitch-Based Sensors That Detect Metabolites Within Bacterial Cells

2013· article· en· W2409936530 sur OpenAlexaff
Casey C. Fowler, Yingfu Li

Notice bibliographique

RevueMethods in molecular biology · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRiboswitchComputational biologyFlexibility (engineering)Construct (python library)BlueprintComputer scienceBiological systemNanotechnologyBiologyRNAChemistryCell biologyGeneEngineeringGeneticsNon-coding RNAMaterials scienceMathematics

Résumé

récupéré en direct d'OpenAlex

A riboswitch is an RNA element that detects the level of a specific metabolite within the cell and regulates the expression of co-transcribed genes. By fusing a riboswitch to a reporter protein in a carefully designed and tested construct, this ability can be exploited to create an intracellular sensor that detects the level of a particular small molecule within live bacterial cells. There is a great deal of flexibility in the design of such a sensor and factors such as the molecule to be detected and the downstream experiments in which the sensor will be applied should guide the specific blueprint of the final construct. The completed sensor plasmid needs to be rigorously tested with appropriate controls to ensure that its dynamic range, signal strength, sensitivity and specificity are suitable for its intended applications. In this chapter, methods for the design, assessment and use of riboswitch sensors are provided along with those for one example application for which riboswitch sensors are ideally suited.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,296
Écart entre enseignants0,286 · 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

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetRNA and protein synthesis mechanismsTravaux en français237 207