MétaCan
Menu
Retour à la cohorte
Enregistrement W1972631853 · doi:10.1002/pmic.201400444

Proteomic insights into synthesis of isoflavonoids in soybean seeds

2015· review· en· W1972631853 sur OpenAlexafffund
Mehran Dastmalchi, Sangeeta Dhaubhadel

Notice bibliographique

RevuePROTEOMICS · 2015
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensAgriculture and Agri-Food CanadaWestern University
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésIsoflavonoidProteomicsProteomeBiologyMetabolomicsTranscriptomeMetabolomeMetabolic pathwayComputational biologyBiochemistryBioinformaticsEnzymeGeneGene expressionFlavonoid

Résumé

récupéré en direct d'OpenAlex

Soybean seeds are the major human dietary source of isoflavonoids, a class of plant natural products almost entirely exclusive to legumes. Isoflavonoids reduce the risk of a number of chronic human illnesses. Biosynthesis and accumulation of this class of compounds is a multigenic and complex trait, with a great deal of variability among soybean cultivars and with respect to the environment. There is a wealth of genomic, transcriptomic, and metabolomics data regarding isoflavonoid biosynthesis, but the connection between multigene families and their cognate proteins is a missing link that could provide us with a great deal of functional information. The changing proteome of the developing seed can shed light on the correlative increase in isoflavonoids, while the maternal seed coat proteome can provide the link with inherited metabolic and signaling machinery. In this effort, 'seed-filling' proteomics has revealed key secondary metabolite enzymes that quantitatively vary throughout seed development. Seed coat proteomics has revealed the existence of metabolic apparatus specific to isoflavonoid biosynthesis (isoflavonoid reductase) that could potentially influence the chemical content of this organ. The future of proteomic analysis of isoflavonoid biosynthesis should be centered on the development of quantitative, tissue-specific proteomes that emphasize low-abundance metabolic proteins to extract the whole suite of factors involved.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,044
Tête enseignante GPT0,271
Écart entre enseignants0,227 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePROTEOMICSMême sujetSoybean genetics and cultivationTravaux en français237 207