Next-generation DNA damage sequencing
Notice bibliographique
Résumé
Cellular DNA is constantly chemically altered by exogenous and endogenous agents. As all processes of life depend on the transmission of the genetic information, multiple biological processes exist to ensure genome integrity. Chemically damaged DNA has been linked to cancer and aging, therefore it is of great interest to map DNA damage formation and repair to elucidate the distribution of damage on a genome-wide scale. While the low abundance and inability to enzymatically amplify DNA damage are obstacles to genome-wide sequencing, new developments in the last few years have enabled high-resolution mapping of damaged bases. Recently, a number of DNA damage sequencing library construction strategies coupled to new data analysis pipelines allowed the mapping of specific DNA damage formation and repair at high and single nucleotide resolution. Strikingly, these advancements revealed that the distribution of DNA damage is heavily influenced by chromatin states and the binding of transcription factors. In the last seven years, these novel approaches have revealed new genomic maps of DNA damage distribution in a variety of organisms as generated by diverse chemical and physical DNA insults; oxidative stress, chemotherapeutic drugs, environmental pollutants, and sun exposure. Preferred sequences for damage formation and repair have been elucidated, thus making it possible to identify persistent weak spots in the genome as locations predicted to be vulnerable for mutation. As such, sequencing DNA damage will have an immense impact on our ability to elucidate mechanisms of disease initiation, and to evaluate and predict the efficacy of chemotherapeutic drugs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».