Why use theories in qualitative research?
Notice bibliographique
Résumé
Abstract Phosphate acquisition by plants is an essential process that is directly implicated in the optimization of crop yields. Purple acid phosphatases (PAPs) are ubiquitous metalloenzymes, which catalyze the hydrolysis of a wide range of phosphate esters and anhydrides. While some plant PAPs display a preference for ATP as the substrate, others are efficient in hydrolyzing phytate or 2-phosphoenolpyruvate (PEP). PAP from red kidney bean (rkbPAP) is an efficient ATP- and ADPase, but has no activity towards phytate. The crystal structure of this enzyme in complex with an ATP analogue (to 2.20 Å resolution) provides insight into the amino acid residues that play an essential role in binding this substrate. Homology modelling was used to generate three-dimensional structures for the active sites of PAPs from tobacco (NtPAP) and Arabidopsis thaliana (AtPAP12 and AtPAP26) that are efficient in hydrolyzing phytate and PEP as substrates, respectively. In combination with substrate docking simulations and a phylogenetic analysis of 49 plant PAP sequences (including the first PAP sequences reported from Eucalyptus), several active site residues were identified that are important in defining the substrate specificities of plant PAPs. These results may inform bioengineering studies aimed at identifying and incorporating suitable plant PAP genes into crops to improve phosphorus use efficiency. Organic phosphorus sources increasingly supplement or replace inorganic fertilizer, and efficient phosphorus use of crops will lower the environmental footprint of agriculture while enhancing food production.
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 | 0,280 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,061 |
| Communication savante | 0,016 | 0,037 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».