MétaCan
Menu
Retour à la cohorte
Enregistrement W3012154104 · doi:10.1002/cbic.202000003

Circular Nucleic Acids: Discovery, Functions and Applications

2020· review· en· W3012154104 sur OpenAlexaff
Jiuxing Li, Mostafa Mohammed‐Elsabagh, Freeman Paczkowski, Yingfu Li

Notice bibliographique

RevueChemBioChem · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNucleic acidNanodeviceAptamerDeoxyribozymeExonucleaseRolling circle replicationRibozymeComputational biologyDNABiosensorNanotechnologyNucleic acid structurePolymeraseCombinatorial chemistryRNABiologyChemistryBiochemistryGeneticsMaterials scienceGene

Résumé

récupéré en direct d'OpenAlex

Circular nucleic acids (CNAs) are nucleic acid molecules with a closed-loop structure. This feature comes with a number of advantages including complete resistance to exonuclease degradation, much better thermodynamic stability, and the capability of being replicated by a DNA polymerase in a rolling circle manner. Circular functional nucleic acids, CNAs containing at least a ribozyme/DNAzyme or a DNA/RNA aptamer, not only inherit the advantages of CNAs but also offer some unique application opportunities, such as the design of topology-controlled or enabled molecular devices. This article will begin by summarizing the discovery, biogenesis, and applications of naturally occurring CNAs, followed by discussing the methods for constructing artificial CNAs. The exploitation of circular functional nucleic acids for applications in nanodevice engineering, biosensing, and drug delivery will be reviewed next. Finally, the efforts to couple functional nucleic acids with rolling circle amplification for ultra-sensitive biosensing and for synthesizing multivalent molecular scaffolds for unique applications in biosensing and drug delivery will be recapitulated.

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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,016
Tête enseignante GPT0,291
Écart entre enseignants0,275 · 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

Citations70
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207