MétaCan
Menu
Retour à la cohorte
Enregistrement W2518774310 · doi:10.1146/annurev-food-041715-033235

From Bits and Pieces to Whole Phage to Nanomachines: Pathogen Detection Using Bacteriophages

2017· review· en· W2518774310 sur OpenAlexaff
Hany Anany, Ying Chou, Stevan Cucić, Ratmir Derda, Stéphane Evoy, Mansel W. Griffiths

Notice bibliographique

RevueAnnual Review of Food Science and Technology · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensAlberta Glycomics CentreUniversity of AlbertaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPhage displayComputational biologyBacteriophageBiologyRobustness (evolution)GeneNanotechnologyGeneticsEscherichia coliMaterials science

Résumé

récupéré en direct d'OpenAlex

The innate specificity of bacteriophages toward their hosts makes them excellent candidates for the development of detection assays. They can be used in many ways to detect pathogens, and each has its own advantages and disadvantages. Whole bacteriophages can carry reporter genes to alter the phenotype of the target. Bacteriophages can act as staining agents or the progeny of the infection process can be detected, which further increases the sensitivity of the detection assay. Compared with whole-phage particles, use of phage components as probes offers other advantages: for example, smaller probe size to enhance binding activity, phage structures that can be engineered for better affinity, as well as specificity, binding properties, and robustness. When no natural binding with the target exists, phages can be used as vehicles to identify new protein-ligand interactions necessary for diagnostics. This review comprehensively summarizes many uses of phages as detection tools and points the way toward how phage-based technologies may be improved.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,350
Écart entre enseignants0,319 · 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 tête enseignante, pas un consensus.

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

Citations35
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Food Science and TechnologyMême sujetBacteriophages and microbial interactionsTravaux en français237 207