MétaCan
Menu
Retour à la cohorte
Enregistrement W4283220241 · doi:10.1128/mbio.00864-22

A Reverse Genetic Approach for Studying sRNAs in Chlamydia trachomatis

2022· article· en· W4283220241 sur OpenAlexfundno aff
Kevin Wang, Lauren Sheehan, Cuper Ramirez, Asha Densi, Syed Meraj Azhar Rizvi, Roseleen Ekka, Christine Sütterlin, Ming Tan

Notice bibliographique

RevuemBio · 2022
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary medicine and infectious diseases
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesUniversity of California, IrvineNational Institutes of HealthUniversité de Sherbrooke
Mots-clésChlamydia trachomatisBiologyRNASmall RNAGeneticsMessenger RNAChlamydiaGeneComputational biologyVirology

Résumé

récupéré en direct d'OpenAlex

Small RNAs (sRNAs) are a class of regulatory RNAs that play important roles in bacterial physiology and pathogenesis. In the intracellular bacterium Chlamydia, however, sRNAs are poorly understood, and functional studies have been limited to a heterologous system. In this study, we developed a genetic system for studying sRNAs in Chlamydia trachomatis and used it to identify four chlamydial sRNAs whose overexpression decreased the production of infectious bacteria. We also successfully utilized this genetic system to determine the target recognition sequence and mRNA targets of an uncharacterized, chlamydial sRNA named CtrR3. Overall, this work offers a generalizable approach for investigating the role of chlamydial sRNAs in their native organism.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,643

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)0,0010,000

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 Opus0,095
Tête enseignante GPT0,325
Écart entre enseignants0,229 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetVeterinary medicine and infectious diseasesTravaux en français237 207