MétaCan
Menu
Retour à la cohorte
Enregistrement W4387389398 · doi:10.1186/s13104-023-06533-6

Expansions to the MGDrivE suite for simulating the efficacy of novel gene-drive constructs in the control of mosquito-borne diseases

2023· article· en· W4387389398 sur OpenAlexaff
Jared B. Bennett, Sean L. Wu, Pratima R. Chennuri, Kevin M. Myles, Martial L. Ndeffo-Mbah

Notice bibliographique

RevueBMC Research Notes · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensFuture Earth
Organismes subventionnairesCollege of Agriculture and Life Sciences, Texas A and M University
Mots-clésSuiteGene driveControl (management)Computational biologyBiologyComputer scienceGeneMedicineGeneticsArtificial intelligenceGeographyCRISPR

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The MGDrivE (MGDrivE 1 and MGDrivE 2) modeling framework provides a flexible and expansive environment for testing the efficacy of novel gene-drive constructs for the control of mosquito-borne diseases. However, the existing model framework did not previously support several features necessary to simulate some types of intervention strategies. Namely, current MGDrivE versions do not permit modeling of small molecule inducible systems for controlling gene expression in gene drive designs or the inheritance patterns of self-eliminating gene drive mechanisms. RESULTS: Here, we demonstrate a new MGDrivE 2 module that permits the simulation of gene drive strategies incorporating small molecule-inducible systems and self-eliminating gene drive mechanisms. Additionally, we also implemented novel sparsity-aware sampling algorithms for improved computational efficiency in MGDrivE 2 and supplied an analysis and plotting function applicable to the outputs of MGDrivE 1 and MGDrivE 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)0,005
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
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)0,0000,000

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 Opus0,076
Tête enseignante GPT0,428
Écart entre enseignants0,352 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetCRISPR and Genetic EngineeringTravaux en français237 207