MétaCan
Menu
Retour à la cohorte
Enregistrement W2565585402 · doi:10.3390/md14120225

Algal Cell Factories: Approaches, Applications, and Potentials

2016· review· en· W2565585402 sur OpenAlexfundno aff
Weiqi Fu, Amphun Chaiboonchoe, Basel Khraiwesh, David R. Nelson, Dina Al-Khairy, Alexandra Mystikou, Amnah Alzahmi, Kourosh Salehi‐Ashtiani

Notice bibliographique

RevueMarine Drugs · 2016
Typereview
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityNew York University Abu Dhabi
Mots-clésComputational biologyBiochemical engineeringCellChemistryBiologyComputer scienceNanotechnologyEngineeringBiochemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

With the advent of modern biotechnology, microorganisms from diverse lineages have been used to produce bio-based feedstocks and bioactive compounds. Many of these compounds are currently commodities of interest, in a variety of markets and their utility warrants investigation into improving their production through strain development. In this review, we address the issue of strain improvement in a group of organisms with strong potential to be productive "cell factories": the photosynthetic microalgae. Microalgae are a diverse group of phytoplankton, involving polyphyletic lineage such as green algae and diatoms that are commonly used in the industry. The photosynthetic microalgae have been under intense investigation recently for their ability to produce commercial compounds using only light, CO₂, and basic nutrients. However, their strain improvement is still a relatively recent area of work that is under development. Importantly, it is only through appropriate engineering methods that we may see the full biotechnological potential of microalgae come to fruition. Thus, in this review, we address past and present endeavors towards the aim of creating productive algal cell factories and describe possible advantageous future directions for the field.

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 seuil0,007

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 ouverte0,0000,001
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 Opus0,033
Tête enseignante GPT0,260
Écart entre enseignants0,227 · 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

Citations86
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine DrugsMême sujetAlgal biology and biofuel productionTravaux en français237 207