MétaCan
Menu
Retour à la cohorte
Enregistrement W2339951693 · doi:10.1093/femsle/fnw099

Properties and biotechnological applications of ice-binding proteins in bacteria

2016· review· en· W2339951693 sur OpenAlexaff
Fernanda P. Cid, Joaquín I. Rilling, Steffen P. Graether, León A. Bravo, Marı́a de la Luz Mora, Milko A. Jorquera

Notice bibliographique

RevueFEMS Microbiology Letters · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGammaproteobacteriaAlphaproteobacteriaBiologyBacteriaActinobacteria16S ribosomal RNAGenetics

Résumé

récupéré en direct d'OpenAlex

Ice-binding proteins (IBPs), such as antifreeze proteins (AFPs) and ice-nucleating proteins (INPs), have been described in diverse cold-adapted organisms, and their potential applications in biotechnology have been recognized in various fields. Currently, both IBPs are being applied to biotechnological processes, primarily in medicine and the food industry. However, our knowledge regarding the diversity of bacterial IBPs is limited; few studies have purified and characterized AFPs and INPs from bacteria. Phenotypically verified IBPs have been described in members belonging to Gammaproteobacteria, Actinobacteria and Flavobacteriia classes, whereas putative IBPs have been found in Gammaproteobacteria, Alphaproteobacteria and Bacilli classes. Thus, the main goal of this minireview is to summarize the current information on bacterial IBPs and their application in biotechnology, emphasizing the potential application in less explored fields such as agriculture. Investigations have suggested the use of INP-producing bacteria antagonists and AFPs-producing bacteria (or their AFPs) as a very attractive strategy to prevent frost damages in crops. UniProt database analyses of reported IBPs (phenotypically verified) and putative IBPs also show the limited information available on bacterial IBPs and indicate that major studies are required.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,034
Tête enseignante GPT0,233
Écart entre enseignants0,198 · 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'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

Citations59
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology LettersMême sujetPhysiological and biochemical adaptationsTravaux en français237 207