MétaCan
Menu
Retour à la cohorte
Enregistrement W10925699

Yeast genomics and proteomics in drug discovery and target validation.

2003· article· en· W10925699 sur OpenAlexaff
Ainslie B. Parsons, Ron Geyer, Timothy R. Hughes, Charles Boone

Notice bibliographique

RevuePubMed · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDrug discoveryComputational biologyProteomicsSaccharomyces cerevisiaeBudding yeastYeastIdentification (biology)GenomicsChemical geneticsFunctional genomicsDrug developmentBiologyDrug targetBioinformaticsDrugGeneticsGenomeBiochemistrySmall moleculeGenePharmacology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Small, cell permeable, and target-specific chemical ligands are highly valuable, not only as therapeutics but also as research tools. The synthesis, identification and characterization of these compounds is often a difficult task. The straightforward genetics of the budding yeast Saccharomyces cerevisiae, and the high degree of conservation of basic cellular processes between yeast and higher organisms makes yeast an excellent tool for drug development studies, particularly in regards to anticancer and anti-fungal drug discovery. Recent advances in yeast functional genomics and proteomics studies are changing the field of yeast research. Many of these new technologies are readily applicable to drug target identification and other aspects of drug discovery. This review will focus on current genetic, genomic, and proteomic methodologies in S. cerevisiae that have the potential to be useful in drug discovery and target validation.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,177
Écart entre enseignants0,171 · 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'étudeObservationnel
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

Citations49
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetBioinformatics and Genomic NetworksTravaux en français237 207