MétaCan
Menu
Retour à la cohorte
Enregistrement W4200579765 · doi:10.3791/62073

DNA-Tethered RNA Polymerase for Programmable In vitro Transcription and Molecular Computation

2021· article· en· W4200579765 sur OpenAlexaff
Ryan C. Lee, Travis R. Douglas, Leo Y. T. Chou

Notice bibliographique

RevueJournal of Visualized Experiments · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputational biologyNucleic acidOligonucleotideT7 RNA polymeraseBiologySynthetic biologyPolymeraseDNARNA polymerase IITranscription (linguistics)Cell biologyGeneGeneticsGene expressionPromoterBacteriophage

Résumé

récupéré en direct d'OpenAlex

DNA nanotechnology enables programmable self-assembly of nucleic acids into user-prescribed shapes and dynamics for diverse applications. This work demonstrates that concepts from DNA nanotechnology can be used to program the enzymatic activity of the phage-derived T7 RNA polymerase (RNAP) and build scalable synthetic gene regulatory networks. First, an oligonucleotide-tethered T7 RNAP is engineered via expression of an N-terminally SNAP-tagged RNAP and subsequent chemical coupling of the SNAP-tag with a benzylguanine (BG)-modified oligonucleotide. Next, nucleic-acid strand displacement is used to program polymerase transcription on-demand. In addition, auxiliary nucleic acid assemblies can be used as "artificial transcription factors" to regulate the interactions between the DNA-programmed T7 RNAP with its DNA templates. This in vitro transcription regulatory mechanism can implement a variety of circuit behaviors such as digital logic, feedback, cascading, and multiplexing. The composability of this gene regulatory architecture facilitates design abstraction, standardization, and scaling. These features will enable the rapid prototyping of in vitro genetic devices for applications such as bio-sensing, disease detection, and data storage.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,398
Écart entre enseignants0,380 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207