MétaCan
Menu
Retour à la cohorte
Enregistrement W2574730285 · doi:10.1093/nar/gkw1231

The impact of recent improvements in cryo-electron microscopy technology on the understanding of bacterial ribosome assembly

2016· review· en· W2574730285 sur OpenAlexaff
Aida Razi, Robert A. Britton, Joaquı́n Ortega

Notice bibliographique

RevueNucleic Acids Research · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésCryo-electron microscopyBiologyRibosomeComputational biologyNanotechnologyProcess (computing)Resolution (logic)Computer scienceBiophysicsGeneticsMaterials scienceRNAArtificial intelligenceGene

Résumé

récupéré en direct d'OpenAlex

Cryo-electron microscopy (cryo-EM) had played a central role in the study of ribosome structure and the process of translation in bacteria since the development of this technique in the mid 1980s. Until recently cryo-EM structures were limited to ∼10 Å in the best cases. However, the recent advent of direct electron detectors has greatly improved the resolution of cryo-EM structures to the point where atomic resolution is now achievable. This improved resolution will allow cryo-EM to make groundbreaking contributions in essential aspects of ribosome biology, including the assembly process. In this review, we summarize important insights that cryo-EM, in combination with chemical and genetic approaches, has already brought to our current understanding of the ribosomal assembly process in bacteria using previous detector technology. More importantly, we discuss how the higher resolution structures now attainable with direct electron detectors can be leveraged to propose precise testable models regarding this process. These structures will provide an effective platform to develop new antibiotics that target this fundamental cellular process.

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,092
Tête enseignante GPT0,418
Écart entre enseignants0,327 · 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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNucleic Acids ResearchMême sujetRNA and protein synthesis mechanismsTravaux en français237 207