MétaCan
Menu
Retour à la cohorte
Enregistrement W2924863631 · doi:10.1146/annurev-bioeng-060418-052453

Frontiers in Cryo Electron Microscopy of Complex Macromolecular Assemblies

2019· review· en· W2924863631 sur OpenAlexaff
Jana Ognjenović, Reinhard Grisshammer, Sriram Subramaniam

Notice bibliographique

RevueAnnual Review of Biomedical Engineering · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésCryo-electron microscopyCryo-electron tomographySingle particle analysisElectron microscopeElectron tomographyStructural biologyNanotechnologyMicroscopyBiophysicsMacromoleculeMacromolecular SubstancesChemistryComputational biologyMaterials scienceBiologyCell biologyPhysicsTomographyBiochemistryTransmission electron microscopyScanning transmission electron microscopyOptics

Résumé

récupéré en direct d'OpenAlex

In recent years, cryo electron microscopy (cryo-EM) technology has been transformed with the development of better instrumentation, direct electron detectors, improved methods for specimen preparation, and improved software for data analysis. Analyses using single-particle cryo-EM methods have enabled determination of structures of proteins with sizes smaller than 100 kDa and resolutions of ∼2 Å in some cases. The use of electron tomography combined with subvolume averaging is beginning to allow the visualization of macromolecular complexes in their native environment in unprecedented detail. As a result of these advances, solutions to many intractable challenges in structural and cell biology, such as analysis of highly dynamic soluble and membrane-embedded protein complexes or partially ordered protein aggregates, are now within reach. Recent reports of structural studies of G protein-coupled receptors, spliceosomes, and fibrillar specimens illustrate the progress that has been made using cryo-EM methods, and are the main focus of this review.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,013
Tête enseignante GPT0,310
Écart entre enseignants0,297 · 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

Citations64
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Biomedical EngineeringMême sujetRNA and protein synthesis mechanismsTravaux en français237 207