Detection of Deoxyribonucleic Acid Damage Induced by Metal Ion Interactions and Repair of Metal Ion Deoxyribonucleic Acid Cross-links
Notice bibliographique
Résumé
There are many forms of DNA damage. One of these, DNA-metal cross-links are \nparticularly problematic as they not only affect the tautomeric structure of DNA, but can \nalso inhibit enzymatic activity and block amplification with DNA polymerases. Since the \ninability to amplify DNA can affect many fields of genetic research, it is necessary to \nfind ways to identify this damage and repair the DNA. Copper is one metal that can form \nmetal-DNA cross-links and can seriously affect the recovery and analysis of degraded \nDNA from forensic or archaeological material. In this research DNA-copper cross-links \nwere generated for the development of a repair method and applied to an archaeological \nsample. The DNA-copper adducts were identified through the use of gas \nchromatography-mass spectrometry on several templates of different complexity: single \ndeoxyribonucleotides, a synthetic 22 base pair double stranded DNA fragment, modern \namplified DNA, and an ancient extract with naturally occurring copper cross-links. A \nnumber of chemicals were considered for direct reversal repair of copper-DNA cross- \nlinks of which ethylenediamine was successful. Treatment of all the templates with \nethylenediamine resulted in the repair of the nucleobase, specifically guanine which is the \nmost susceptible to copper cross-link formation. The success of the direct reversal repair \nwas verified using GC-MS based on expected retention time and the identification of ion \nfingerprints. The amount of copper-DNA adducts measured in each template varied \ngreatly as did the success of the direct reversal repair although repair was evident in all \nsamples.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».