MétaCan
Menu
Retour à la cohorte
Enregistrement W2929296217 · doi:10.1111/jam.14270

Applications and limitations of regulatory<scp>RNA</scp>elements in synthetic biology and biotechnology

2019· review· en· W2929296217 sur OpenAlexafffund
Jean-Claude Nshogozabahizi, K.L. Aubrey, Joseph A. Ross, Nehal Thakor

Notice bibliographique

RevueJournal of Applied Microbiology · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesMinistry of Economic Development and Trade, Government of AlbertaMinistero dello Sviluppo EconomicoAlberta Innovates - Technology Futures
Mots-clésSynthetic biologyRiboswitchComputational biologyRNABiologyFunction (biology)Biochemical engineeringSystems biologyModular designBiotechnologyGeneComputer scienceGeneticsNon-coding RNAEngineering

Résumé

récupéré en direct d'OpenAlex

Synthetic biology requires the design and implementation of novel enzymes, genetic circuits or even entire cells, which can be controlled by the user. RNA-based regulatory elements have many important functional properties in this regard, such as their modular nature and their ability to respond to specific external stimuli. These properties have led to the widespread exploration of their use as gene regulation devices in synthetic biology. In this review, we focus on two major types of RNA elements: riboswitches and RNA thermometers (RNATs). We describe their general structure and function, before discussing their potential uses in synthetic biology (e.g. in the production of biofuels and biodegradable plastics). We also discuss their limitations, and novel strategies to implement RNA-based regulatory devices in biotechnological applications. We close with a description of some common model organisms used in synthetic biology, with a focus on the current applications and limitations of RNA-based regulation.

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)0,001
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 enseignants0,962
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,024
Tête enseignante GPT0,273
Écart entre enseignants0,249 · 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

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied MicrobiologyMême sujetRNA and protein synthesis mechanismsTravaux en français237 207