MétaCan
Menu
← Retour à la cohorte
Enregistrement W6929869183 · doi:10.5061/dryad.65q20

Data from: Modified low-salt CTAB extraction of high-quality DNA from contaminant rich tissues

2016· dataset· en· W6929869183 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2016
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésDNADNA extractionNucleic acidExtraction (chemistry)genomic DNAContaminationDNA sequencing

Résumé

récupéré en direct d'OpenAlex

The increasing use of high-throughput sequencing platforms has made the isolation of pure, high molecular weight DNA a primary concern for studies of a diverse range of organisms. Purification of DNA remains a significant challenge in many tissue and sample types due to various organic and inorganic molecules that co-precipitate with nucleic acids. Molluscs, for example, contain high concentrations of polysaccharides which often co-precipitate with DNA and can inhibit downstream enzymatic reactions. We modified a low-salt CTAB (MoLSC) extraction protocol to accommodate contaminant rich animal tissues and compared this method to a standard CTAB extraction protocol and two commercially available animal tissue DNA extraction kits using oyster adductor muscle. Comparisons of purity and molecular integrity showed that our in-house protocol yielded genomic DNA generally free of contaminants and shearing, whereas the traditional CTAB method and some of the commercial kits yielded DNA unsuitable for some applications of massively parallel sequencing (MPS). Our open-source MoLSC protocol provides a cost-effective, scalable, alternative DNA extraction method that can be easily optimized and adapted for sequencing applications in other contaminant rich samples.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0470,039

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 Opus0,027
Tête enseignante GPT0,303
Écart entre enseignants0,276 · 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
GenreJeu de données

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Même sujetPhotosynthetic Processes and Mechanisms→Travaux en français237 207→