MétaCan
Menu
← Retour à la cohorte
Enregistrement W4280535522 · doi:10.22541/au.165285401.15076943/v1

Use molecular barcodes to study emerging infectious diseases

2022· preprint· en· W4280535522 sur OpenAlexfundno aff
Heng‐Chang Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsIstituto Italiano di Tecnologia
Mots-clésBiologyComputational biologyPopulationEvolutionary biologyMedicine

Résumé

récupéré en direct d'OpenAlex

The appearance for viruses that evolve to adapt to a new living niche often reflect on viral sequence changes. Fixation of these changes may require a long time through repeated transmission, thereby rendering a reduced size of an effective population harboring dominant alterations in their sequence spaces. Those approaches, with which we can closely monitor and survey the transient changes of viral sequences over the longer timescales, thus become a requisite to better understand the evolution of viral pathogenicity. Molecular barcodes are a powerful and practical molecular tool to individually label sequences, allowing for correcting sequencing errors and identifying true mutants of interest with a single nucleotide resolution. Molecular barcoding has also been implemented as a useful approach to study several zoonotic viruses. In this review, the emphasis will not only be limited to summarize current studies focusing on viral pathogenesis and fitness; we will also propose ideas that molecular barcodes can be used to execute surveillance of changes of viral sequences. We believe that this review will be helpful for the readers to better understand the rationale and the usage of molecular barcodes and the perspectives of what molecular barcodes can do for fighting upcoming emerging infectious diseases.

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)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,015
Tête enseignante GPT0,281
Écart entre enseignants0,267 · 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
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBacteriophages and microbial interactions→Travaux en français237 207→