MétaCan
Menu
Retour à la cohorte
Enregistrement W2171539411 · doi:10.1098/rsif.2012.0388

New insights into ice growth and melting modifications by antifreeze proteins

2012· article· en· W2171539411 sur OpenAlexafffund
Maya Bar Dolev, Yeliz Celik, J. S. Wettlaufer, Peter L. Davies, Ido Braslavsky

Notice bibliographique

RevueJournal of The Royal Society Interface · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensQueen's University
Organismes subventionnairesDivision of Ocean SciencesCanadian Institutes of Health ResearchVetenskapsrådetIsrael Science FoundationNational Science Foundation
Mots-clésAntifreeze proteinIce crystalsChemistryNanotechnologyMaterials scienceBiochemistryPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Antifreeze proteins (AFPs) evolved in many organisms, allowing them to survive in cold climates by controlling ice crystal growth. The specific interactions of AFPs with ice determine their potential applications in agriculture, food preservation and medicine. AFPs control the shapes of ice crystals in a manner characteristic of the particular AFP type. Moderately active AFPs cause the formation of elongated bipyramidal crystals, often with seemingly defined facets, while hyperactive AFPs produce more varied crystal shapes. These different morphologies are generally considered to be growth shapes. In a series of bright light and fluorescent microscopy observations of ice crystals in solutions containing different AFPs, we show that crystal shaping also occurs during melting. In particular, the characteristic ice shapes observed in solutions of most hyperactive AFPs are formed during melting. We relate these findings to the affinities of the hyperactive AFPs for the basal plane of ice. Our results demonstrate the relation between basal plane affinity and hyperactivity and show a clear difference in the ice-shaping mechanisms of most moderate and hyperactive AFPs. This study provides key aspects associated with the identification of hyperactive AFPs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,229
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations116
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Royal Society InterfaceMême sujetPhysiological and biochemical adaptationsTravaux en français237 207