MétaCan
Menu
Retour à la cohorte
Enregistrement W4248825048 · doi:10.1385/1-59259-270-8:575

Differential Display of Eukaryotic mRNA

2003· article· en· W4248825048 sur OpenAlexaff
Antonio Tugores, Juan Carlos Izpisúa Belmonte

Notice bibliographique

RevueHumana Press eBooks · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensInstitute for Biological Sciences
Organismes subventionnairesnon disponible
Mots-clésGeneBiologyComputational biologyComplementary DNAMessenger RNADifferential displayGenomePolymerase chain reactionGeneticsFingerprint (computing)RNAComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Arbitrarily primed PCR is a method that was initially developed to analyze and compare genome complexity ( 1 , 2 ). By using arbitrary primers, an array of stochastic sequences can be amplified using the polymerase chain reaction (PCR) and resolved by denaturing acrylamide gels, generating a characteristic pattern or fingerprint. This technique can be readily applied for the analysis of differentially expressed genes in two different cell types by simply converting the mRNA into cDNA ( 3 , 4 ). A different fingerprint pattern will then reflect differential gene expression between the cell types analyzed. The number and intensity of the fingerprints depend largely on two parameters: the abundance of the original RNAs, and how well the primers match the primary sequence so that efficient amplification can take place. Taking this into consideration, the method appears to be more suitable for the comparison of cell types where a large number of differentially expressed genes are anticipated. A major advantage of this method when compared to other strategies used for the isolation of differentially expressed genes is that a very small amount of RNA is required. This makes the method very suitable for embryological studies, where sometimes the quantity of tissue that can be collected is limiting. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,001
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,021
Tête enseignante GPT0,271
Écart entre enseignants0,249 · 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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207