MétaCan
Menu
Retour à la cohorte
Enregistrement W2953322912 · doi:10.5539/jps.v8n2p31

Nuclei Release Methods Comparison for Fresh Leaves of Rice (Oryza sativa) for Efficient High Throughput Flow Cytometry Ploidy Studies

2019· article· en· W2953322912 sur OpenAlexvenueno aff
Isidre Hooghvorst, Xavier Serrat, Salvador Nogués

Notice bibliographique

RevueJournal of Plant Studies · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensnon disponible
Organismes subventionnairesHorizon 2020 Framework Programme
Mots-clésFlow cytometryBeadIsolation (microbiology)Oryza sativaBuffer (optical fiber)ChromatographyExtraction (chemistry)PloidyChemistryBiologyBotanyMolecular biologyMaterials scienceBiochemistryComputer scienceBioinformatics

Résumé

récupéré en direct d'OpenAlex

Flow cytometry trituration methods and the efficiency of isolation buffer solutions are compared in this study for extraction of nuclei from fresh leaves of rice. The razor blade sample trituration procedure has been widely used to release nuclei from tissues in many plant species, and combined with different isolation buffers for low throughput analysis. In contrast, the bead beating trituration method has rarely been used for DNA ploidy determination, despite it being proposed as a less tedious alternative procedure to prepare nuclear suspensions. In this study, bead beating was assessed and compared with the traditional chopping procedure. Each trituration method was combined with one of three nuclear isolation buffers (i.e. Hanson’s, Otto’s and LB01 buffer). Bead beating was applied for the first time using all three of the buffers, resulting in a rapid and effective procedure for ploidy determination in fresh rice leaves. In addition, bead beating saved, while reducing the exposure of the user to harmful substances. The best results were obtained when Hanson’s nuclear isolation buffer was combined with the bead beating trituration method.

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)0,002
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 enseignants0,334
Score d'incertitude au seuil0,326

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
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 recherche0,0000,000
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 Opus0,124
Tête enseignante GPT0,397
Écart entre enseignants0,272 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Plant StudiesMême sujetGenetically Modified Organisms ResearchTravaux en français237 207