MétaCan
Menu
Retour à la cohorte
Enregistrement W25873069 · doi:10.2174/1389557515666150414152933

Organic Agriculture: A Productive Means of Low-carbon and High Biodiversity Food Production

2010· book-chapter· en· W25873069 sur OpenAlexfundno aff
U. Niggli

Notice bibliographique

RevueMini-Reviews in Medicinal Chemistry · 2010
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAgricultureBusinessProduction (economics)Organic farmingSustainable agricultureNatural resource economicsAgricultural productivityWork (physics)Food processingPopulationBiodiversityEnvironmental planningEnvironmental resource managementAgroforestryEnvironmental scienceGeographyEngineeringEconomicsPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Discovery of novel drugs that are able to prevent angiogenesis is a fast growing branch of cancer research. Current approaches to cancer chemotherapy include the use of alkylating agents, antimetabolites, antitumor antibiotics, platinum analogs and drugs derived from natural compounds. However, most of the currently used chemotherapeutic drugs have adverse side effects on normal healthy cells. In addition to the classical targets of cancer chemotherapy, prevention of angiogenesis through the regulation of indigenous angiogenic factors is a leading approach of developing selective novel anticancer drugs. Because of their low toxicity, there is increasing interest in exploring specific dietary phytochemicals as possible antiangiogenic agents. In this mini-review, selected flavonoids (e.g., apigenin, luteolin, quercetin and epigallocatechin-3-gallate, which are a group of plant polyphenols) that are able to regulate angiogenesis in in vitro and in vivo systems are discussed in the light of their potential to be exploited as novel anticancer drugs.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,436
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,190
Écart entre enseignants0,182 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMini-Reviews in Medicinal ChemistryMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207