MétaCan
Menu
Retour à la cohorte
Enregistrement W4249705990 · doi:10.13188/2469-4185.1000019

Monitoring Genetically Modified Rice Using Multiplex PCR Coupled with Universal DNA Microarray

2016· article· en· W4249705990 sur OpenAlexfundno aff
Xiaolei Liu, Sheng-Ying Qin, Hui Wang, Yingying Le

Notice bibliographique

RevueJournal of Nutrition and Health · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsYangzhou UniversityZhejiang UniversityInstitute of Genetics and Developmental Biology, Chinese Academy of SciencesChinese Academy of Sciences
Mots-clésMultiplexMultiplex polymerase chain reactionComputational biologyBiologyMicroarrayDNAGenetically modified organismMolecular biologyGeneticsPolymerase chain reactionGeneGene expression

Résumé

récupéré en direct d'OpenAlex

We developed a multiplex polymerase chain reaction (PCR) coupled with ligation detection reaction and universal array system for screening genetically modified rice and further identifying specific transgenes in rice. Three common elements in transgenic rice (CaMV 35S promoter, FMV 35S promoter and nos terminator) with species and internal controls (rice actin, 18S rRNA) were used for screening transgenic rice from un-transgenic rice. Seven event-specific elements (Cpt1, Bt, Irp, Bar, OsVTE1, Xa21 and RCH10) were used for identifying specific transgenes in rice. This method was demonstrated to be effective and high throughput for the detection of transgenic rice. It can be applied not only for detecting commercial transgenic rice, but also for monitoring unauthorized transgenic rice.

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)0,000
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 enseignants0,178
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,319
Écart entre enseignants0,261 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition and HealthMême sujetIdentification and Quantification in FoodTravaux en français237 207