Plants as factories for production of biopharmaceutical and bioindustrial proteins: lessons from cell biologyThis review is one of a selection of papers published in the Special Issue on Plant Cell Biology.
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
Transgenic plants, seeds, and cultured plant cells are potentially one of the most economical systems for large-scale production of recombinant proteins for industrial and pharmaceutical uses. Biochemical, technical, and economic concerns with current production systems have generated enormous interest in developing plants as alternative production systems. However, various challenges must be met before plant systems can fully emerge as suitable, viable alternatives to current animal-based systems for large-scale production of biopharmaceuticals and other products. Aside from regulatory issues and developing efficient methods for downstream processing of recombinant proteins, there are at least two areas of challenge: (1) Can we engineer plant cells to accumulate recombinant proteins to sufficient levels? (2) Can we engineer plant cells to post-translationally modify recombinant proteins so that they are structurally and functionally similar to the native proteins? Attempts to improve the accumulation of a recombinant protein in plant cells require an appreciation of the processes of gene transcription, mRNA stability, processing, and export, and translation initiation and efficiency. Likewise, many post-translational factors must be considered, including protein stability, protein function and activity, and protein targeting. Moreover, we need to understand how the various processes leading from the gene to the functional protein are interdependent and functionally linked. Manipulation of the post-translational processing machinery of plant cells, especially that for N-linked glycosylation and glycan processing, is a challenging and exciting area. The functions of N-glycan heterogeneity and microheterogeneity, especially with respect to protein function, stability, and transport, are poorly understood and this represents an important area of cell biology.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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