MétaCan
Menu
Retour à la cohorte
Enregistrement W2997227026 · doi:10.1016/j.isci.2019.100815

Catalytic Nucleic Acids: Biochemistry, Chemical Biology, Biosensors, and Nanotechnology

2020· review· en· W2997227026 sur OpenAlex

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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueiScience · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDeoxyribozymeRibozymeNucleic acidRNADNALigase ribozymeNucleic acid structureComputational biologyNanotechnologyChemistryBiologyBiochemistryMaterials scienceGene

Résumé

récupéré en direct d'OpenAlex

Since the initial discovery of ribozymes in the early 1980s, catalytic nucleic acids have been used in different areas. Compared with protein enzymes, catalytic nucleic acids are programmable in structure, easy to modify, and more stable especially for DNA. We take a historic view to summarize a few main interdisciplinary areas of research on nucleic acid enzymes that may have broader impacts. Early efforts on ribozymes in the 1980s have broken the notion that all enzymes are proteins, supplying new evidence for the RNA world hypothesis. In 1994, the first catalytic DNA (DNAzyme) was reported. Since 2000, the biosensor applications of DNAzymes have emerged and DNAzymes are particularly useful for detecting metal ions, a challenging task for enzymes and antibodies. Combined with nanotechnology, DNAzymes are key building elements for switches allowing dynamic control of materials assembly. The search for new DNAzymes and ribozymes is facilitated by developments in DNA sequencing and computational algorithms, further broadening our fundamental understanding of their biochemistry.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,017
Tête enseignante GPT0,309
Écart entre enseignants0,292 · 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