MétaCan
Menu
Retour à la cohorte
Enregistrement W3186925921 · doi:10.1021/acscatal.1c02017

An Overview of Cytochrome P450 Immobilization Strategies for Drug Metabolism Studies, Biosensing, and Biocatalytic Applications: Challenges and Opportunities

2021· article· en· W3186925921 sur OpenAlexafffund
Donya Valikhani, Juan M. Bolívar, Joelle N. Pelletier

Notice bibliographique

RevueACS Catalysis · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Catalysis and Immobilization
Établissements canadiensUniversité de MontréalPROTEOCentre in Green Chemistry and Catalysis
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversidad Complutense de MadridComunidad de Madrid
Mots-clésCytochrome P450Context (archaeology)BiosensorBiochemical engineeringDrug metabolismChemistryBiochemistryComputational biologyEnzymeBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Cytochrome P450s (P450s or CYPs) are a large superfamily of ubiquitous heme proteins. Consistent with their natural roles in oxidative metabolism of a broad range of substrates including antibiotics and xenobiotics and in the biosynthesis of complex natural products, there are two main biotechnological applications: drug metabolism studies and biocatalytic transformations. Metabolic analyses are typically performed with the P450 enzyme immobilized on a biosensing platform. Biocatalytic reactions also increasingly make use of immobilization methods with the goal of improving operational stability of the P450s. In this Review, we briefly introduce the growing field of enzyme immobilization then focus on the advances, benefits, and challenges that apply specifically to P450s. Classical immobilization methods are presented, and recently developed materials and strategies that address the need for operational stability, the multicomponent structure of P450s, their requirement for a source of electrons, and the need to overcome limited O 2 availability are discussed in the context of metabolic, biosensing, and biocatalytic applications.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,088
Tête enseignante GPT0,333
Écart entre enseignants0,245 · 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

Citations44
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetEnzyme Catalysis and ImmobilizationTravaux en français237 207