AN EMERGING MARINE BIOTECHNOLOGY: MARINE DRUG DISCOVERY
Notice bibliographique
Résumé
Marine natural resources offer an opportunity to discover a novel chemical diversity withinterest ing pharmacologically active compounds to treat many diseases such as cancer,inflammation, bacterial and parasitic infections, and many other diseases. Marine drug discoveryis a rising area in marine biotechnology. Several hits of marine-derived drug compounds wereapproved; two of them are Ziconotide and Trabectedin. In 2004, Ziconotide was approved as paintreatment drugs in the United States and Europe. Then, in 2007, Trabectedin was also approvedas anticancer drug in Europe. The main problem in marine drug discovery research is materialsupply problem. Up till now, strategies to overcome the problem are “Pharmaceutical aquaculture”of biologically active marine biota and chemical synthesis approach. Chemical synthesis approachis feasible solution to be used, especially when working with less complex structure of compounds.However, when working with structurally complex compounds where total or even semi synthesiswas very difficult to be provided, aquaculture can be a solution. Currently, the use of microbiology,biochemistry, genetic, bioinformatics, genomic and meta-genomic has been intensifying in orderto have a better result in marine natural product drug discovery. As chemical synthesis needs anexpensive investment of advanced technology and highly skilled human resources, thuspharmaceutical aquaculture is more practicable to overcome the material supply insufficiency inIndonesia. Up till now, many Indonesian marine bioprospectors have been working with culturablemarine microorganism to produce bioactive compounds and some others starting to work withgenomic and metagenomic-based drug discovery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».