MétaCan
Menu
Retour à la cohorte
Enregistrement W2498618443 · doi:10.1385/0-89603-077-6:1

Automated Amino Acid Analysis

2003· book-chapter· en· W2498618443 sur OpenAlexaff
John A. Sturman, Derek A. Applegarth

Notice bibliographique

RevueAmino Acids · 2003
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiopolymer Synthesis and Applications
Établissements canadiensBC Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésNinhydrinAmino acidReagentChemistryChromatographyPaper chromatographyHydrolysisAmino acid analysisAcid hydrolysisElutionOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Knowledge of the existence of amino acids dates back over a century in many cases, as does knowledge of their existence in proteins (see ). When amino acids were discovered, their identity was established by isolating and purifying the individual compounds and obtaining elemental analyses After the advent of paper chromatography, this technique was used with a variety of different solvents to identify elution characteristics and demonstrate the purity of isolated compounds. Amino acids were located by the use of a reagent that produced a color with the compound. The most common reagent used for locating amino acids is ninhydrin, which produces a purple color with amino acids, a pink or yellor color with amino acids, and various intermediate colors with compounds containing an amino group and a sulfonic acid, and so on. It also reacts with small peptides such as glutathione. The techniques of paper chromatography were applied to the separation of mixtures of amino acids, such as the components of a protein after hydrolysis, and then to the separation of free amino acids in physiologic fluids and tissues. It was extended by the use of two-dimensional chromatography, in which a different solvent was used in each direction Later, electrophoresis was employed as one of the separating techniques

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,024

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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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
GenreMéthodes

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

En bref

Citations9
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmino AcidsMême sujetBiopolymer Synthesis and ApplicationsTravaux en français237 207