MétaCan
Menu
Retour à la cohorte
Enregistrement W4285095558 · doi:10.3233/jhd-220536

Recent Microscopy Advances and the Applications to Huntington’s Disease Research

2022· review· en· W4285095558 sur OpenAlexafffund
Mouhanad Babi, Kaitlyn Neuman, Christina Peng, Tamara Maiuri, Celeste Suart, Ray Truant

Notice bibliographique

RevueJournal of Huntington s Disease · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchKrembil Foundation
Mots-clésHuntingtinContext (archaeology)MicroscopyPolyglutamine tractHuntingtin ProteinStructural biologyComputational biologyBiologyNanotechnologyCell biologyChemistryBiophysicsPhysicsBiochemistryMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

Huntingtin is a 3144 amino acid protein defined as a scaffold protein with many intracellular locations that suggest functions in these compartments. Expansion of the CAG DNA tract in the huntingtin first exon is the cause of Huntington's disease. An important tool in understanding the biological functions of huntingtin is molecular imaging at the single-cell level by microscopy and nanoscopy. The evolution of these technologies has accelerated since the Nobel Prize in Chemistry was awarded in 2014 for super-resolution nanoscopy. We are in a new era of light imaging at the single-cell level, not just for protein location, but also for protein conformation and biochemical function. Large-scale microscopy-based screening is also being accelerated by a coincident development of machine-based learning that offers a framework for truly unbiased data acquisition and analysis at very large scales. This review will summarize the newest technologies in light, electron, and atomic force microscopy in the context of unique challenges with huntingtin cell biology and biochemistry.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,419
Écart entre enseignants0,379 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Huntington s DiseaseMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207