MétaCan
Menu
Retour à la cohorte
Enregistrement W4225282363 · doi:10.1002/wfs2.1459

Evolution of single‐nucleotide polymorphism use in forensic genetics

2022· article· en· W4225282363 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWiley Interdisciplinary Reviews Forensic Science · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueForensic and Genetic Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésForensic identificationGeneticsSingle-nucleotide polymorphismForensic scienceBiologyComputational biologySNPDNA profilingMicrosatelliteForensic geneticsTypingPrimer (cosmetics)Genetic markerEvolutionary biologyDNAGeneGenotypeAllele

Résumé

récupéré en direct d'OpenAlex

Abstract Although short tandem repeats (STRs) are traditionally the marker of choice for traditional forensic DNA typing applications, single‐nucleotide polymorphisms (SNPs; pronounced “snips”) and microhaplotypes (MHs) are additional genetic marker classes than can be utilized for generating genetic profile information that may result in new investigative leads and human identity determination(s). For example, when working with DNA samples of poor quality and/or low quantity, a SNP‐based approach could be invaluable in providing investigators information about a person's ancestry and physical characteristics and could provide a viable human identification profile for comparison. In this primer, we briefly discuss the various classes and applications of SNPs and MHs to demonstrate the tremendous amount of forensically relevant information that these markers can provide forensic investigations. This article is categorized under: Forensic Biology > Interpretation of Biological Evidence Forensic Biology > Ancestry Determination using DNA Methods Forensic Biology > Phenotypic Markers

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.

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)0,002
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 enseignants0,306
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,003
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 Opus0,037
Tête enseignante GPT0,314
Écart entre enseignants0,277 · 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