MétaCan
Menu
Retour à la cohorte
Enregistrement W4404173967 · doi:10.17504/protocols.io.6qpvr81nplmk/v1

Purificación de GFP en reacciones cell-free para actividad docente // GFP purification from cell-free reactions for educational purpose v1

2024· preprint· es· W4404173967 sur OpenAlexfundno aff
Severine Cazaux, Valentina Ferrando, Paola Larrauri, Quinn Matthews, Mohammad Simchi, S. Silva, Keith Pardee, Fernán Federici

Notice bibliographique

Revuenon disponible
Typepreprint
Languees
DomaineHealth Professions
ThématiqueHealth and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Nacional de Investigación y DesarrolloInternational Development Research Centre
Mots-clésGreen fluorescent proteinChemistryMolecular biologyCell biologyBiologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Este protocolo describe una actividad educativa que tiene como fin explicar las bases de la purificación de proteína con materiales que pueden ser usados sin la infraestructura tradicional de un laboratorio. En pocas palabras, una proteína de interés (en este caso, 6xHis-sfGFP) se produce en extractos cell-free toda la noche. Al día siguiente, se purifica usando el kit NEBExpress Spin Columns y de acuerdo a las instrucciones del fabricante. Todas las etapas de centrifugación (unión, lavado y elución) se realizan usando una centrífuga de mano fabricada con impresión 3D. La actividad dura dos horas. This protocol describes an educational activity to explain the basics of protein purification with materials that can be used without traditional lab infrastructure. In few words, the protein of interest (in this case, 6xHis-sfGFP) is produced in cell-free lysates overnight. The day after, it is purified using NEBExpress Spin Columns and all the centrifugation steps (for binding, washing and elution) are performed using a 3D-printed hand-powered centrifuge. The activity lasts two hours.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,014

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 Opus0,059
Tête enseignante GPT0,427
Écart entre enseignants0,369 · 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
GenreMéthodes

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 sujetHealth and Medical EducationTravaux en français237 207