MétaCan
Menu
Retour à la cohorte
Enregistrement W2055161068 · doi:10.1139/o07-149

Teaching old enzymes new tricks: engineering and evolution of glycosidases and glycosyl transferases for improved glycoside synthesisThis paper is one of a selection of papers published in this Special Issue, entitled CSBMCB — Systems and Chemical Biology, and has undergone the Journal's usual peer review process.

2008· review· en· W2055161068 sur OpenAlexaffvenue
Fathima Aidha Shaikh, Stephen G. Withers

Notice bibliographique

RevueBiochemistry and Cell Biology · 2008
Typereview
Langueen
DomaineChemistry
ThématiqueCarbohydrate Chemistry and Synthesis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGlycosidic bondGlycanGlycosylDirected evolutionGlycoside hydrolaseGlycosyltransferaseBiochemistryChemistryGlycosideEnzymeCombinatorial chemistryMutantStereochemistryGlycoproteinGene

Résumé

récupéré en direct d'OpenAlex

The therapeutic potential of glycosides has made them an attractive target for drug development. The biological extraction and chemical synthesis of these molecules is often challenging and low yielding, thus alternative methods for the synthesis of polysaccharides are being pursued. A new class of enzymes, glycosynthases, which are nucleophile mutants of glycosidases, can perform the transglycosylation reaction without hydrolyzing the product, and thus provide a valuable resource for polysaccharide and glycan synthesis. Directed evolution of glycosynthases has expanded the repertoire of glycosidic linkages formed and the donors and acceptors (both sugar and nonsugar) that can be used by the glycosynthase. The application of new screening methods, such as FACS, to the directed evolution of glycosynthases will aid in the development of enzymes that are able to efficiently synthesize new, and therapeutically relevant glycosidic linkages.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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

Citations117
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetCarbohydrate Chemistry and SynthesisTravaux en français237 207