Development and Application of Computational Methods in Phage Display Technology
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.
Notice bibliographique
Résumé
BACKGROUND: Phage display is a powerful and versatile technology for the identification of peptide ligands binding to multiple targets, which has been successfully employed in various fields, such as diagnostics and therapeutics, drug-delivery and material science. The integration of next generation sequencing technology with phage display makes this methodology more productive. With the widespread use of this technique and the fast accumulation of phage display data, databases for these data and computational methods have become an indispensable part in this community. This review aims to summarize and discuss recent progress in the development and application of computational methods in the field of phage display. METHODS: We undertook a comprehensive search of bioinformatics resources and computational methods for phage display data via Google Scholar and PubMed. The methods and tools were further divided into different categories according to their uses. RESULTS: We described seven special or relevant databases for phage display data, which provided an evidence-based source for phage display researchers to clean their biopanning results. These databases can identify and report possible target-unrelated peptides (TUPs), thereby excluding false-positive data from peptides obtained from phage display screening experiments. More than 20 computational methods for analyzing biopanning data were also reviewed. These methods were classified into computational methods for reporting TUPs, for predicting epitopes and for analyzing next generation phage display data. CONCLUSION: The current bioinformatics archives, methods and tools reviewed here have benefitted the biopanning community. To develop better or new computational tools, some promising directions are also discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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