MétaCan
Menu
Retour à la cohorte
Enregistrement W20779778 · doi:10.1007/978-1-60327-058-8_21

High Throughput Screening of Purified Proteins for Enzymatic Activity

2008· article· en· W20779778 sur OpenAlexaff
Michael Proudfoot, Ekaterina Kuznetsova, Stephen A. Sanders, Claudio F. González, Greg Brown, A.M. Edwards, C.H. Arrowsmith, Alexander F. Yakunin

Notice bibliographique

RevueMethods in molecular biology · 2008
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProteomeEnzymeBiochemistryProteasesGenomeComputational biologyBiologyFunction (biology)ProteomicsENCODEGeneChemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Understanding the functions of every protein in the proteome is one of the great challenges of the postgenomic era. Global genome sequencing efforts revealed that in any genome 30-50% of genes encode proteins with unknown function (hypothetical proteins). To directly test purified hypothetical proteins for catalytic activity, the authors have designed a series of general and specific enzymatic screens. The described screens are designed to detect hydrolases (phosphatases, phosphodiesterases, proteases, and esterases), and oxidoreductases (dehydrogenases and oxidases). The general screens use either general chromogenic substrates or pools of substrates. The positive hits with the model substrates are then tested in the secondary screens with a set of potential natural substrates, or the substrate pools can be deconvoluted to identify the preferred in vitro substrate. The identification of a biochemical activity of a hypothetical protein helps to determine its cellular role.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,474

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 Opus0,049
Tête enseignante GPT0,413
Écart entre enseignants0,364 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations22
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207