MétaCan
Menu
← Retour à la cohorte
Enregistrement W3021983556 · doi:10.15273/pnsis.v50i2.10000

Genetically engineered genes: when have we gone too far?

2020· article· en· W3021983556 sur OpenAlexaffvenue
Julia Odendaal

Notice bibliographique

RevueProceedings of the Nova Scotian Institute of Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBiotechnology and Related Fields
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésGenetically engineeredGeneBiologyGenetically modified organismGeneticsBiotechnologyComputational biology

Résumé

récupéré en direct d'OpenAlex

DNA is the code for what we call GENES, genes are the holder of all our personality traits like our hair colour, eye colour, how tall or short we are, etc.We have of thousands of genes.David Suzuki has talked a lot about genes, and how some genes carry illnesses (Suzuki, 2019), like different forms of cancer, cystic fibrosis, sickle cell anemia and many more illnesses that doctors struggle to find cures for.Now scientists think they have found a way to eliminate these illnesses forever.They have developed a strategy called CRISPR; it is a scientific method to place genes back into cells.This basically means they can extract one bad gene (a gene that carries an illness or disease), and then modify it and put it back.Like if you were to need a new battery for your phone, first they open it up, find the problem, remove the problem, replace with a new "battery" and close the phone back up and it's ready to go.Problem solved, easy as that.CRISPR is the remove, fix and replace method scientists have discovered to help cure that "bad" gene that makes faulty proteins that is killing hundreds of thousands of people every year.Not only have scientists discovered that they can remove, fix and replace parts of genes in living humans, they have also discovered that they can use CRISPR to potentially create what we call "designer babies".Designer Babies are basically totally customized humans.You could pick everything from hair and eye colour to personality traits like being artistic or athletic.The real question is should scientists be doing these things, just because they could with a little more technology and understanding how genes work.Is there really a need for totally customized babies.CRISPR can be used to edit the genes in body cells, that can ultimately be used for curing illnesses and diseases.Or it can be used to edit genes in germ line cells, to prevent diseases.Germ cell editing can be inherited, so if they are changed a gene, then the edited gene will be passed along to the next

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)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0060,004
Science ouverte0,0010,002
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0450,016

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 Opus0,029
Tête enseignante GPT0,247
Écart entre enseignants0,218 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Nova Scotian Institute of Science→Même sujetBiotechnology and Related Fields→Travaux en français237 207→