Ångström- and Nano-scale Pore-Based Nucleic Acid Sequencing of Current and Emergent Pathogens
Notice bibliographique
Résumé
State-of-the-art nanopore sequencing enables rapid and real-time identification of novel pathogens, which has wide application in various research areas and is an emerging diagnostic tool for infectious diseases including COVID-19. Nanopore translocation enables de novo sequencing with long reads (> 10 kb) of novel genomes, which has advantages over existing short-read sequencing technologies. Biological nanopore sequencing has already achieved success as a technology platform but it is sensitive to empirical factors such as pH and temperature. Alternatively, ångström- and nano-scale solid-state nanopores, especially those based on two-dimensional (2D) membranes, are promising next-generation technologies as they can surpass biological nanopores in the variety of membrane materials, ease of defining pore morphology, higher nucleotide detection sensitivity, and facilitation of novel and hybrid sequencing modalities. Since the discovery of graphene, atomically-thin 2D materials have shown immense potential for the fabrication of nanopores with well-defined geometry, rendering them viable candidates for nanopore sequencing membranes. Here, we review recent progress and future development trends of 2D materials and their ångström- and nano-scale pore-based nucleic acid (NA) sequencing including fabrication techniques and current and emerging sequencing modalities. In addition, we discuss the current challenges of translocation-based nanopore sequencing and provide an outlook on promising future research directions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».