MétaCan
Menu
Retour à la cohorte
Enregistrement W2962481287 · doi:10.1038/s41598-019-46171-2

A unified multi-kingdom Golden Gate cloning platform

2019· article· en· W2962481287 sur OpenAlexaff
David Chiasson, Victor Giménez-Oya, Martin Bircheneder, Sabine Bachmaier, Tanja Studtrucker, Joël Ryan, Katharina Sollweck, Heinrich Leonhardt, Michael Boshart, Petra Dietrich, Martin Parniske

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensSaint Mary's University
Organismes subventionnairesLudwig-Maximilians-Universität MünchenDeutsche ForschungsgemeinschaftAlexander von Humboldt-Stiftung
Mots-clésGolden gateCloning (programming)KingdomComputer scienceComputational biologyBiologyMedicinePaleontologyProgramming language

Résumé

récupéré en direct d'OpenAlex

Assembling composite DNA modules from custom DNA parts has become routine due to recent technological breakthroughs such as Golden Gate modular cloning. Using Golden Gate, one can efficiently assemble custom transcription units and piece units together to generate higher-order assemblies. Although Golden Gate cloning systems have been developed to assemble DNA plasmids required for experimental work in model species, they are not typically applicable to organisms from other kingdoms. Consequently, a typical molecular biology laboratory working across kingdoms must use multiple cloning strategies to assemble DNA constructs for experimental assays. To simplify the DNA assembly process, we developed a multi-kingdom (MK) Golden Gate assembly platform for experimental work in species from the kingdoms Fungi, Eubacteria, Protista, Plantae, and Animalia. Plasmid backbone and part overhangs are consistent across the platform, saving both time and resources in the laboratory. We demonstrate the functionality of the system by performing a variety of experiments across kingdoms including genome editing, fluorescence microscopy, and protein interaction assays. The versatile MK system therefore streamlines the assembly of modular DNA constructs for biological assays across a range of model organisms.

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 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 enseignants0,118
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,255
Écart entre enseignants0,238 · 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

Citations84
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPhotosynthetic Processes and MechanismsTravaux en français237 207