MétaCan
Menu
← Retour à la cohorte
Enregistrement W4252535143 · doi:10.26434/chemrxiv.12195177.v1

Reverse Transcription Lesion-Induced DNA Amplification: An Instrument-Free Isothermal Method to Detect RNA

2020· preprint· en· W4252535143 sur OpenAlexafffund
B. Safeenaz Alladin‐Mustan, Jesse Yuzik, Daria Raquel Queiroz de Almeida, Yuning Liu, Yimeng Li, Camilla Mendes, Julianne M. Gibbs

Notice bibliographique

RevueChemRxiv · 2020
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesGrand Challenges CanadaTechnische Universität MünchenAlfred P. Sloan Foundation
Mots-clésRNALoop-mediated isothermal amplificationAmpliconDNAReverse transcriptaseTranscription (linguistics)Molecular biologyChemistryComputational biologyBiologyPolymerase chain reactionBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

One challenge in point-of-care diagnostics is the lack of room-temperature methods for RNA detection based on enzymatic amplification and visualization steps. Here we perform a reverse transcription ligase chain reaction using our isothermal lesion induced DNA amplification (LIDA) technique that can be tuned to operate at any desired temperature. Using RNA-triggered LIDA, we can detect as little as ~100 attomoles target RNA and can distinguish RNA target from total cellular RNA. Finally, we demonstrate that the resulting DNA amplicons can be detected colorimetrically, also at room temperature, by rapid, target-triggered disassembly of DNA-modified gold nanoparticles. This integrated amplification/detection platform requires no heating or visualization instrumentation, which is an important step towards realizing instrument-free POC testing.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,053
Tête enseignante GPT0,327
Écart entre enseignants0,274 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxiv→Même sujetAdvanced biosensing and bioanalysis techniques→Travaux en français237 207→