Invited Lecture 3: Plant extract polyphenols and viral infections
Notice bibliographique
Résumé
Brief Biosketch Professor Klarskov Klaus did his Post-doctorate (Senior Research Fellow) in 2001 and Post-doctorate (Research Fellow) in 1997, State University of Ghent (Gent) and Doctorate (Doctor of Philosophiae) in 1991, Odense University. Dr Klarskov is interested in oxidative-stress induced post-translational protein modifications and their consequences in pathologies like adverse-drug reactions, cardiovascular and neurological diseases. The professor is having about 65 peer-reviewed publications in his credit and many presentations in various conferences. Viral infections are continuously challenging humanity. Influenza is a common yearly threat to people with the deficient immune system. Recently, a new strain of coronavirus (covid-19) causing similar symptoms to influenza albeit with frequent severe respiratory illnesses, was first reported in Wuhan (China). This virus has spread to most of the world's populations. Although extensive measures have been established in many countries to control the spread of the virus, continuous outbreaks still occur. From an early time, plant extracts have been known for their beneficial effects to treat common viral infections. Polyphenols represent a large group of chemical compounds (antioxidants) present in plant extracts. In this presentation, scientific examples that demonstrate the potential beneficial effects of polyphenols to inhibit viral (influenza and corona) proliferation in vitro will be 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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».