“From Protein Toxins to Applied Toxicological Testing” virtual workshop identifies the need for a bioinformatic framework to assess novel food protein safety
Notice bibliographique
Résumé
On October 21-22, 2020 the HESI (Health and Environmental Sciences Institute) Protein Allergens, Toxins, and Bioinformatics Committee, and the Society of Toxicology Food Safety Specialty Section co-hosted a virtual workshop titled "From Protein Toxins to Applied Toxicological Testing". The workshop focused on the safety assessment of novel proteins contained in foods and feeds, was globally represented by over 200 stakeholder attendees, and featured contributions from experts in academia, government and non-government organizations, and agricultural biotechnology developers from the private sector. A range of topics relevant to novel protein safety were discussed, including: the state of protein toxin biology, modes and mechanisms of action, structures and activity, use of bioinformatic analyses to assess the safety of a protein, and ways to leverage computational biology with in silico approaches for protein toxin identification/characterization. Key outcomes of the workshop included the appreciation of the complexity of developing a definition for a protein toxin when viewed from the perspective of food and feed safety, confirming the need for a case-by-case hypothesis-driven interpretation of bioinformatic results that leverages additional metadata rather than an alignment threshold-driven interpretation, and agreement that a "toxin protein database" is not necessary, as the bioinformatic needs for toxin detection may be accomplished by existing databases such as Pfam and UniProtKB/Swiss-Prot. In this paper, a path forward is proposed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».