MétaCan
Menu
Retour à la cohorte
Enregistrement W2945751924 · doi:10.1142/s0218339019500128

PROBABILISTIC MODELING AND ANALYSIS OF DNA FRAGMENTATION

2019· article· en· W2945751924 sur OpenAlex
Reza Pourmohammadi, Jamshid Abouei, Alagan Anpalagan

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Biological Systems · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésShotgun sequencingFragmentation (computing)DNAProbabilistic logicDNA fragmentationComputational biologyDNA sequencingShotgunComputer scienceBiologyAlgorithmMathematicsGeneticsGeneArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Deoxyribonucleic Acid (DNA) sequencing has become indispensable to the modern biological and medicine sciences. DNA fragmentation is a preliminary step in a dominant technique called shotgun sequencing that provides a time and cost effective strategy for the DNA sequencing. In this paper, we propose a probabilistic model for the random DNA fragmentation and derive an average number of fragments with the suitable length along with the probability of covering the entire DNA strand through the de novo assembly or the referenced-based mapping assembly. We formulate the coverage problem in terms of the probability of bond breaking between nucleotides and the number of DNA molecules participating in the fragmentation process, and provide insights into the optimal DNA fragmentation. We obtain the lower bound for the minimum number of suitable fragments required to reconstruct the DNA strand with the specified reliability. We evaluate the derived results with our DNA Fragmentation Tool which demonstrate, the validity of these results based on our model. Finally, we update our model with respect to the fragments’ size distribution of real data.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil0,172

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,278
Écart entre enseignants0,259 · 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