MétaCan
Menu
Retour à la cohorte
Enregistrement W3158372074 · doi:10.15173/sciential.v1i4.2423

Bioethical Analysis of Gene Editing

2020· article· en· W3158372074 sur OpenAlexaffvenue
Caitlin Marie Reintjes, Isabel Dewey

Notice bibliographique

RevueSciential - McMaster Undergraduate Science Journal · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEugenicsBioethicsGenome editingBiologyIdeologyEnvironmental ethicsAltruism (biology)GeneticsGeneSociologyPolitical scienceEvolutionary biologyCRISPRPoliticsLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

New developments in gene editing methods include the possibility to alter embryos for disease resistance. This could allow for increased immunity in the future, but at what cost? Gene editing may have unintended consequences. Some alterations may prevent the development of one disease but increase susceptibility to another. Other genes persist in populations for complex evolutionary reasons. Scientists must therefore consider the consequences and bioethics associated with these genetic changes. With examples such as the CCR5 coreceptor and major histocompatibility complex, it becomes clear that this type of genetic enhancement is immoral when evaluating it from biological, evolutionary, social, and economic perspectives. First, having the ability to select for certain desirable genes limits genetic diversity, which creates a barrier for evolution. Selecting for certain genes perpetuates the concept of ideal genes resembling dangerous eugenic ideologies. Should these procedures become more prevalent, the issue of accessibility arises. If these expensive procedures are only available to those who can afford them, the opportunity gap between the poor and the rich will widen. An investigation of case studies and ethical implications demonstrates that genomic editing is immoral and impermissible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,316
Écart entre enseignants0,297 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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 revueSciential - McMaster Undergraduate Science JournalMême sujetCRISPR and Genetic EngineeringTravaux en français237 207