An Overview of Databases and Bioinformatics Tools for Plant AntimicrobialPeptides
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
Antimicrobial Peptides (AMPs) are small, ribosomally synthesized proteins found in nearly all forms of life. In plants, AMPs play a central role in plant defense due to their distinct physicochemical properties. Due to their broad-spectrum antimicrobial activity and rapid killing action, plant AMPs have become important candidates for the development of new drugs to control plant and animal pathogens that are resistant to multiple drugs. Further research is required to explore the potential uses of these natural compounds. Computational strategies have been increasingly used to understand key aspects of antimicrobial peptides. These strategies will help to minimize the time and cost of "wet-lab" experimentation. Researchers have developed various tools and databases to provide updated information on AMPs. However, despite the increased availability of antimicrobial peptide resources in biological databases, finding AMPs from plants can still be a difficult task. The number of plant AMP sequences in current databases is still small and yet often redundant. To facilitate further characterization of plant AMPs, we have summarized information on the location, distribution, and annotations of plant AMPs available in the most relevant databases for AMPs research. We also mapped and categorized the bioinformatics tools available in these databases. We expect that this will allow researchers to advance in the discovery and development of new plant AMPs with potent biological properties. We hope to provide insights to further expand the application of AMPs in the fields of biotechnology, pharmacy, and agriculture.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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