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 OpenAlexafffund
Lingzi Ma, Juewen Liu

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations162
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207