MétaCan
Menu
Retour à la cohorte
Enregistrement W2054770808 · doi:10.1007/s11745-006-5057-y

Diacylglycerol acyltransferase: A key mediator of plant triacylglycerol synthesis

2006· review· en· W2054770808 sur OpenAlexafffund
Shiu‐Cheung Lung, Randall J. Weselake

Notice bibliographique

RevueLipids · 2006
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensAlberta Ministry of Agriculture and ForestryUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésDiacylglycerol kinaseBiochemistryAcyltransferaseBiologyPlastidBiosynthesisEnzymeChemistryGene

Résumé

récupéré en direct d'OpenAlex

Many plants deposit TAG in seeds and fruits as the major form of storage lipid. TAG production is of tremendous socioeconomic value in food, nutraceutical, and industrial applications, and thus numerous conventional and molecular genetic strategies have been explored in attempts to increase TAG content and modify the FA composition of plant seed oils. Much research has focused on the acyl-CoA-dependent reaction catalyzed by diacylglycerol acyltransferase (DGAT), which is an integral endoplasmic reticulum protein and has also been shown to be present in oil bodies and plastids. DGAT enzymes exhibit diverse biochemical properties among different plant species, many of which are summarized here. In addition to catalyzing a critical step in TAG biosynthesis, there is evidence that DGAT has roles in lipid metabolism associated with germination and leaf senescence. TAG can also be formed in plants via two different acyl-CoA-independent pathways, catalyzed by phospholipid: diacylglycerol acyltransferase and diacylglycerol transacylase. The current understanding of the terminal step in TAG formation in plants and the development of molecular genetic approaches aimed at altering TAG yield and FA composition of TAG are discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,007

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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,250 · 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
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

Citations325
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLipidsMême sujetLipid metabolism and biosynthesisTravaux en français237 207