MétaCan
Menu
Retour à la cohorte
Enregistrement W2118988867 · doi:10.3389/fvets.2014.00004

Peptide Arrays for Kinome Analysis of Livestock Species

2014· review· en· W2118988867 sur OpenAlexaff
Joanna Daigle, Brenden Van Wyk, Brett Trost, Erin Scruten, Ryan J. Arsenault, Anthony Kusalik, Philip Griebel, Scott Napper

Notice bibliographique

RevueFrontiers in Veterinary Science · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésKinomeLivestockComputational biologyBiologyKinaseBiotechnologyBiochemistryEcology

Résumé

récupéré en direct d'OpenAlex

Reversible protein phosphorylation is a central mechanism for both the transfer of intracellular information and the initiation of cellular responses. Within human medicine, considerable emphasis is placed on understanding and controlling the enzymes (kinases) that are responsible for catalyzing these modifications. This is evident in the prominent use of kinase inhibitors as drugs as well as the trend to understand complex biology and identify biomarkers via characterizations of global kinase (kinome) activity. Despite the demonstrated value of focusing on kinome activity, the application of this perspective to livestock has been restricted by the absence of appropriate research tools. In this review, we discuss the development of software platforms that facilitate the development and application of species-specific peptide arrays for kinome analysis of livestock. Examples of the application of kinomic approaches to a number of priority species (cattle, pigs, and chickens) in a number of biological contexts (infections, biomarker discovery, and food quality) are presented as are emerging trends for kinome analysis of livestock.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,109
Tête enseignante GPT0,401
Écart entre enseignants0,292 · 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'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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207