MétaCan
Menu
Retour à la cohorte
Enregistrement W2627062987 · doi:10.1021/acs.jproteome.7b00273

Impact of Low-Intensity Pulsed Ultrasound on Transcript and Metabolite Abundance in <i>Saccharomyces cerevisiae</i>

2017· article· en· W2627062987 sur OpenAlexafffund
Michael C. Schultz, Jian Zhang, Xian Luo, Oleksandra Savchenko, Liang Li, Michael K. Deyholos, Jie Chen

Notice bibliographique

RevueJournal of Proteome Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensAlberta InnovatesUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésSaccharomyces cerevisiaeMetaboliteAbundance (ecology)ChemistryIntensity (physics)BiologyComputational biologyBiochemistryYeastPhysicsOpticsEcology

Résumé

récupéré en direct d'OpenAlex

The interactions of ultrasound with biological materials are exploited for diagnostic, interventional, and therapeutic applications in humans and can improve productivity in industrial-scale generation of organic molecules such as biofuels, vaccines, and antibodies. Accordingly, there is great interest in better understanding the biological effects of ultrasound. We studied the impact of low-intensity pulsed ultrasound (LIPUS) on RNA expression and metabolism of S. cerevisiae. Although the transcript expression signature of LIPUS-treated cells does not differ significantly from that of untreated cells after 5 days, metabolomic profiling by chemical-isotopic-labeling-liquid-chromatography-mass-spectrometry suggests that LIPUS has an impact on the pathways of pyrimidine, proline, alanine, aspartate, glutamate, and arginine metabolism. Therefore, LIPUS triggers metabolic effects beyond reprogramming of the core pathways of carbon metabolism. Further characterization of metabolism will likely be important for elucidation of the biological effects of LIPUS.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0000,000
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 Opus0,046
Tête enseignante GPT0,398
Écart entre enseignants0,352 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Proteome ResearchMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207