MétaCan
Menu
Retour à la cohorte
Enregistrement W4407667681 · doi:10.1080/07366205.2025.2457887

RNA extraction and RNA-sequencing method for transcriptomic analysis of <i>Mycobacterium tuberculosis</i>

2025· article· en· W4407667681 sur OpenAlexafffund
Morgan R. Hiebert, Meenu K. Sharma, Alwyn C. Go, Christine Bonner, Vanessa Laminman, Morag Graham, Hafid Soualhine

Notice bibliographique

RevueBioTechniques · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMycobacterium research and diagnosis
Établissements canadiensUniversity of ManitobaPublic Health Agency of Canada
Organismes subventionnairesManitoba Lung AssociationPublic Health Agency of CanadaResearch Manitoba
Mots-clésRNA extractionRNAMycobacterium tuberculosisTranscriptomeBiologyComputational biologyTuberculosisGeneticsMicrobiologyMolecular biologyGeneGene expressionMedicine

Résumé

récupéré en direct d'OpenAlex

RNA-sequencing (RNA-seq) technologies have advanced exponentially in recent years, however, the application of RNA-seq to Mycobacterium tuberculosis remains limited. We present a wet-lab and computational protocol for RNA-seq based transcriptomics that was tested on 12 replicates each of 11 clinical isolates of M. tuberculosis (n = 132) grown in vitro with and without pyrazinamide exposure. This RNA extraction method uses low-volume cultures, mechanical lysis, TRIzol™ phase separation, and column-based purification to produce high yields of pure, intact RNA followed by rRNA depletion and cDNA library preparation. The detection of unique transcripts was optimized at a sequencing depth of 15 million reads. This method detected differential RNA expression in experimental sets with and without pyrazinamide exposure, demonstrating that the method is suitable for RNA-seq applications.

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 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 enseignants0,225
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,024
Tête enseignante GPT0,364
Écart entre enseignants0,340 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioTechniquesMême sujetMycobacterium research and diagnosisTravaux en français237 207