MétaCan
Menu
Retour à la cohorte
Enregistrement W2955089912 · doi:10.1093/jxb/erz291

Distribution and possible biosynthetic pathway of non-protein sulfur amino acids in legumes

2019· review· en· W2955089912 sur OpenAlexafffund
Jaya Joshi, Elham Saboori-Robat, Mahmood Solouki, Motahhareh Mohsenpour, Frédéric Marsolais

Notice bibliographique

RevueJournal of Experimental Botany · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNitrogen and Sulfur Effects on Brassica
Établissements canadiensAgriculture and Agri-Food CanadaWestern University
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésPhaseolusMethionineSulfurAmino acidVignaCysteineLegumeBiochemistryBiosynthesisBiologyProtein qualityBotanyChemistryEnzymeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Some grain legumes store sulfur in the form of non-protein amino acids in seed. γ-Glutamyl-S-methylcysteine is found in Phaseolus and several Vigna species. γ-Glutamyl-S-ethenylcysteine, an antinutritional compound, is present in Vicia narbonensis. In P. vulgaris, free S-methylcysteine levels are higher at early stages of seed development followed by a decline. γ-Glutamyl-S-methylcysteine accumulates later, in two phases, with a lag during reserve accumulation. The concentration of total S-methylcysteine, quantified after acid hydrolysis, is positively regulated by sulfate nutrition. The levels of both γ-glutamyl-S-methylcysteine and γ-glutamyl-S-ethenylcysteine are modulated in response to changes in seed protein composition. A model is proposed whereby the majority of γ-glutamyl-S-methylcysteine in P. vulgaris is synthesized via the intermediate S-methylhomoglutathione. Knowledge of the biosynthesis of non-protein sulfur amino acids is required for metabolic engineering approaches, in conjunction with manipulation of the protein sink, to increase the concentration of nutritionally essential methionine and cysteine. This would improve protein quality of some important legume crops.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 GPT0,293
Écart entre enseignants0,279 · 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'étudeExpérimental (laboratoire)
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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BotanyMême sujetNitrogen and Sulfur Effects on BrassicaTravaux en français237 207