MétaCan
Menu
Retour à la cohorte
Enregistrement W2783592835 · doi:10.1002/9781119374633.ch5

Molecular Techniques for Making Recombinant Enzymes Used in Food Processing

2018· other· en· W2783592835 sur OpenAlexaff
Wenjing Hua, Aly Farag El Sheikha, Jianping Xu

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFood processingFood industryBiochemical engineeringEnzymeBiotechnologyRecombinant DNAPaceProtein engineeringFood scienceBiologyBiochemistryEngineeringGeneGeography

Résumé

récupéré en direct d'OpenAlex

Food is possibly the area where processing anchored in biological agents has the deepest roots. Enzymes are ubiquitous in fresh and processed food and are consumed every day. The industrial production of enzymes for use in food processing dates back to 1874, when Danish scientist Christian Hansen extracted rennin (chymosin) from calves’ stomachs for use in cheese manufacturing. Since then, significant progress has been made in the selection of natural enzymes and the development of novel enzymes with desirable properties, including the optimization of food processing conditions to enhance enzyme activities. In recent years, targeted enzyme engineering and biocatalyst design have increased the pace of such developments. This chapter summarizes the molecular techniques that have been used to produce recombinant enzymes used in the food industry. Detailed techniques will be described and discussed, with a focus on the common methods shared in developing multiple types of enzymes used in the food industry.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,771

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,282
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207