MétaCan
Menu
Retour à la cohorte
Enregistrement W2514984859 · doi:10.3390/md14090159

Antimicrobial Compounds from Eukaryotic Microalgae against Human Pathogens and Diseases in Aquaculture

2016· review· en· W2514984859 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMarine Drugs · 2016
Typereview
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesFP7 People: Marie-Curie ActionsEuropean Commission
Mots-clésAquacultureBiotechnologyContext (archaeology)Environmentally friendlyBiologyBiochemical engineeringEcologyFish <Actinopterygii>EngineeringFishery

Résumé

récupéré en direct d'OpenAlex

The search for novel compounds of marine origin has increased in the last decades for their application in various areas such as pharmaceutical, human or animal nutrition, cosmetics or bioenergy. In this context of blue technology development, microalgae are of particular interest due to their immense biodiversity and their relatively simple growth needs. In this review, we discuss about the promising use of microalgae and microalgal compounds as sources of natural antibiotics against human pathogens but also about their potential to limit microbial infections in aquaculture. An alternative to conventional antibiotics is needed as the microbial resistance to these drugs is increasing in humans and animals. Furthermore, using natural antibiotics for livestock could meet the consumer demand to avoid chemicals in food, would support a sustainable aquaculture and present the advantage of being environmentally friendly. Using natural and renewable microalgal compounds is still in its early days, but considering the important research development and rapid improvement in culture, extraction and purification processes, the valorization of microalgae will surely extend in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,993
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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