MétaCan
Menu
Retour à la cohorte
Enregistrement W4380853846 · doi:10.1016/j.chom.2023.05.003

The coronavirus recombination pathway

2023· review· en· W4380853846 sur OpenAlexaff
Heather Wells, Cassandra M. Bonavita, Isamara Navarrete‐Macias, Blake Vilchez, Angela L. Rasmussen, Simon J. Anthony

Notice bibliographique

RevueCell Host & Microbe · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institutes of HealthNational Science Foundation
Mots-clésRecombinationBiologyCoronavirusMechanism (biology)Homologous recombinationRecombinant DNATransmission (telecommunications)GenomeFLP-FRT recombinationComputational biologyCoronavirus disease 2019 (COVID-19)GeneticsEvolutionary biologyGenetic recombinationGeneComputer sciencePhysicsDisease

Résumé

récupéré en direct d'OpenAlex

Recombination is thought to be a mechanism that facilitates cross-species transmission in coronaviruses, thus acting as a driver of coronavirus spillover and emergence. Despite its significance, the mechanism of recombination is poorly understood, limiting our potential to estimate the risk of novel recombinant coronaviruses emerging in the future. As a tool for understanding recombination, here, we outline a framework of the recombination pathway for coronaviruses. We review existing literature on coronavirus recombination, including comparisons of naturally observed recombinant genomes as well as in vitro experiments, and place the findings into the recombination pathway framework. We highlight gaps in our understanding of coronavirus recombination illustrated by the framework and outline how further experimental research is critical for disentangling the molecular mechanism of recombination from external environmental pressures. Finally, we describe how an increased understanding of the mechanism of recombination can inform pandemic predictive intelligence, with a retrospective emphasis on SARS-CoV-2.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,007

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 Opus0,116
Tête enseignante GPT0,403
Écart entre enseignants0,287 · 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

Citations72
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell Host & MicrobeMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207