La génétique inverse dans l’étude des réovirus : progrès, obstacles et développements futurs
Bibliographic record
Abstract
En génétique dite « classique », l'examen d'un phénotype conduit à l'étude des gènes impliqués dans son obtention.La génétique inverse est une méthode expérimentale très puissante dans laquelle, au contraire, le matériel génétique est modifié et utilisé pour reconstruire un organisme complet, afin de déterminer le résultat de ces modifications.Cette approche est spécialement bien adaptée à l'étude des virus, compte tenu de la relative simplicité et de la petite taille de leurs génomes; l'obstacle principal demeure de récupérer des virus infectieux à partir de génomes viraux clonés.Au cours des années, cet exploit a été accompli pour des représentants de presque toutes les familles de virus de mammifères.Jusqu'à récemment, les Reoviridae, virus à génome d'ARN bicaténaire segmenté, faisaient toutefois exception.Dans cette revue, les progrès réalisés vers la mise au point de la génétique inverse pour l'étude du réovirus seront discutés.La génétique inverse pourrait avoir un impact majeur dans l'optimisation de nouvelles souches de réovirus pour leur utilisation en thérapie comme agents oncolytiques et pour le développement de vaccins dans le cas des rotavirus et des orbivirus.Les travaux actuels font toutefois ressortir les limites de l'approche, la nécessité d'une analyse prudente des résultats obtenus, ainsi que le besoin de développer des systèmes plus efficaces et polyvalents.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".