AN EMERGING MARINE BIOTECHNOLOGY: MARINE DRUG DISCOVERY
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle