MétaCan
Menu
Retour à la cohorte
Enregistrement W4393079650 · doi:10.1371/journal.pgen.1011208

Opticool: Cutting-edge transgenic optical tools

2024· review· en· W4393079650 sur OpenAlexfundno aff
Kelli D. Fenelon, Julia Krause, Theodora Koromila

Notice bibliographique

RevuePLoS Genetics · 2024
Typereview
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoUniversity of Texas at ArlingtonUniversity of Texas at DallasPrinceton University
Mots-clésBiologyOptogeneticsTransgeneComputational biologyFunction (biology)Cell biologyGeneticsGeneNeuroscience

Résumé

récupéré en direct d'OpenAlex

Only a few short decades have passed since the sequencing of GFP, yet the modern repertoire of transgenically encoded optical tools implies an exponential proliferation of ever improving constructions to interrogate the subcellular environment. A myriad of tags for labeling proteins, RNA, or DNA have arisen in the last few decades, facilitating unprecedented visualization of subcellular components and processes. Development of a broad array of modern genetically encoded sensors allows real-time, in vivo detection of molecule levels, pH, forces, enzyme activity, and other subcellular and extracellular phenomena in ever expanding contexts. Optogenetic, genetically encoded optically controlled manipulation systems have gained traction in the biological research community and facilitate single-cell, real-time modulation of protein function in vivo in ever broadening, novel applications. While this field continues to explosively expand, references are needed to assist scientists seeking to use and improve these transgenic devices in new and exciting ways to interrogate development and disease. In this review, we endeavor to highlight the state and trajectory of the field of in vivo transgenic optical tools.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,339
Tête enseignante GPT0,429
Écart entre enseignants0,090 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS GeneticsMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207