MétaCan
Menu
Retour à la cohorte
Enregistrement W3169035839 · doi:10.3390/app11125532

Phytoglycoproteins and Human Health: Current Knowledge and Future Applications

2021· article· en· W3169035839 sur OpenAlexafffund
Innocent Uzochukwu Okagu, Ikenna C. Ohanenye, Timothy Prince Chidike Ezeorba, Chibuike C. Udenigwe

Notice bibliographique

RevueApplied Sciences · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueTransgenic Plants and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésNutraceuticalGlycosylationHealth benefitsHuman healthChemistryBiologyBiochemistryBiotechnologyComputational biologyPharmacologyMedicineTraditional medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Over the years, humans have relied on plants as sources of nutrients and bioactive compounds that promote health and wellness. Interestingly, drug discovery has benefitted immensely from the use of bioactive phytochemicals derived from food and medicinal plants. Phytoglycoproteins (PGPs) are plant-derived proteins with sugar moieties covalently linked to amino acid side chains, formed by glycosylation during posttranslational modification of polypeptides. Several studies in the last two decades, including cell culture and animal studies, have documented a variety of health-beneficial effects of PGPs, including hypolipidemic, wound healing, antioxidant, anti-inflammatory, immunomodulatory, and anticancer properties. Despite the prospects, there is a dearth of information on the pharmacokinetics and toxicity of PGPs, including possible induction of immune reactions, and the potential effects of stereospecific variation in PGPs isomers on their physiological functions. Further exploration of the multifunctional glycoproteins will position them as strong candidates for the development of nutraceuticals and functional foods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,318
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetTransgenic Plants and ApplicationsTravaux en français237 207