MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411274120 · doi:10.1016/j.jbc.2025.109781

Abstract 2507 Finding an RNA Aptamer Against SOD-1 to be Used as a Therapeutic for ALS Patients

2025· article· en· W4411274120 sur OpenAlexaboutno aff
Avery Matthews, Gwendolyn M. Stovall

Notice bibliographique

RevueJournal of Biological Chemistry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAptamerRNAChemistryComputational biologyBiochemistryMolecular biologyBiologyGene

Résumé

récupéré en direct d'OpenAlex

The potential impact of early and efficient detection of biological threats in safeguarding public health and national security highlights the importance of reliable bio-threat detectors.Such detectors could provide a critical line of defence against potential bioterrorism, emerging infectious diseases, and environmental hazards.Performing the initial stages of developing sensors to recognize infectious viruses is challenging when high-safety level environments are required due to the toxicity of the viral targets.Although virus-like particles can be used safely, they are not available for all viral biothreats and can be difficult to produce.Therefore, we are developing a structural imitation of a virus that can be readily produced in any chemistry or molecular biology laboratory and be used to test the efficiency of biosensors during the early assembly and testing stages with no associated health hazards.The design involves attaching a target protein to magnetic or other beads of dimensions similar to the target viruses.The average amount of protein per bead can be quantified using the same detection molecule (e.g.antibodies, aptamers) to be integrated in the sensor.For our development of aptasensors, we are quantifying with a 32P-labeled aptamer using a filter capture assay.Validation of the "proxy" viruses also involves testing them in the aptasensor, which is performed under BSL1 conditions and maintains personnel safety.Financial support was provided by the Department of Homeland Security (DHS) (Cooperative Agreement: 20CWDARI00033).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,108
Tête enseignante GPT0,386
Écart entre enseignants0,278 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological Chemistry→Même sujetAmyotrophic Lateral Sclerosis Research→Travaux en français237 207→