MétaCan
Menu
Retour à la cohorte
Enregistrement W2512171780 · doi:10.1002/wrna.1383

Fluorophore‐binding <scp>RNA</scp> aptamers and their applications

2016· review· en· W2512171780 sur OpenAlexaff
Elena V. Dolgosheina, Peter J. Unrau

Notice bibliographique

RevueWiley Interdisciplinary Reviews - RNA · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésRNANon-coding RNABiologyRiboswitchTrans-acting siRNARNA silencingGene expressionCell biologyComputational biologyRNA-induced transcriptional silencingmicroRNASmall interfering RNARNA-binding proteinRNA interferenceGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Why image RNA? Of all the biological molecules, RNA exhibits the most diverse range of functions. Evidence suggests that transcription produces a wide range of noncoding RNAs (ncRNAs), both short (e.g., siRNAs, miRNAs) and long (e.g., telomeric RNAs) that regulate many aspects of gene expression, including the epigenetic processes that underlie cell fate determination, polarization, and morphogenesis. All these functions are realized through the exquisite temporal and spatial control of RNA expression levels and the stability of specific RNAs within well-defined sub-cellular compartments. Given the central importance of RNA in dictating cell behavior via gene-related functions, there is a great demand for RNA imaging methods so as to determine the composition of the cellular 'transcriptome' and to acquire a complete spatial-temporal profile of RNA localization. Recent advances in fluorophore-binding RNA aptamers promise to provide exactly this knowledge, which can ultimately advance our understanding of cell function and behavior in conditions of health and disease, and in response to external stimuli. WIREs RNA 2016, 7:843-851. doi: 10.1002/wrna.1383 For further resources related to this article, please visit the WIREs website.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,003

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 Opus0,028
Tête enseignante GPT0,343
Écart entre enseignants0,315 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations46
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews - RNAMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207