Impact of natural products on discovery of, and innovation in, crop protection compounds
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
Natural products (NPs) have long been an important source of, and inspiration for, developing novel compounds to control weeds, pathogens and insect pests. In this review, we use a dataset of 800 historic, current and emerging crop protection compounds to explore the influence of NPs on the introduction of new crop protection compounds (fungicides, herbicides, insecticides) as a function of time. NPs, their semisynthetic derivatives (NPDs) and compounds inspired by NPs (NP mimics, NPMs) account for 17% of all crop protection compounds. NPs, NPDs, and NPMs have been a fairly constant source of new agrochemicals over the past 70 years. NP synthetic equivalents (NPSEs) is a fourth group of NP-related crop protection compounds composed of synthetic compounds which by chance also happen to have an NP model (but are not involved in the discovery). If NPSE compounds are also included, then 50% of all crop protection compounds hypothetically could have had a NP origin. Similar trends also hold true for the impact of NPs on the discovery of new modes of action (MoA) or innovation in crop protection compounds as measured by the number of first-in-class compounds. NPs have had the largest impact on the numbers and global sales (2018 USD) of insecticides compared to fungicides and herbicides. The present analysis highlights NPs as a long-standing and continuing source of new chemistry, new MoAs and innovation in crop protection compound discovery. © 2021 Society of Chemical Industry.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| 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 | 0,000 |
| 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