MétaCan
Menu
← Retour à la cohorte
Enregistrement W4223583864 · doi:10.31857/s0026898422020112

[Physical Basis of Functioning of Antifreeze Protein].

2022· article· en· W4223583864 sur OpenAlexaff
Bogdan S. Melnik, Alexei V. Finkelstein

Notice bibliographique

RevuePubMed · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensPROTO Manufacturing (Canada)
Organismes subventionnairesnon disponible
Mots-clésAntifreeze proteinAntifreezeFreezing pointSupercoolingIce crystalsChemistryCryoprotectantIce formationBiophysicsMelting pointAstrobiologyCell biologyBiologyBiochemistryThermodynamicsPhysicsOrganic chemistryAtmospheric sciencesCryopreservationMeteorology

Résumé

récupéré en direct d'OpenAlex

Antifreeze proteins, expressed in cold-blooded organisms, prevent ice formation in their bodies, and thus help them to survive in extremely cold winter temperatures. However, the mechanism of action of these proteins is still not clear. In any case, it is not simply a decrease in the temperature of normal ice formation. In this work, investigating the ice-binding protein (a mutant form of the antifreeze protein cfAFP from the spruce budworm Choristoneura fumiferana, which overwinters in needles), we showed that this antifreeze protein does not at all lower the freezing point of water and, paradoxically, increases the melting point of ice. On the other hand, calculations based on the theory of crystallization show that at temperatures of 0° to -30°C ice can only appear on surfaces that contact water, but not in the body of water. These facts suggest a new perspective on the role of antifreeze proteins: their task is not (as it is commonly believed) to bind with nascent ice crystals already formed in the organism and stop their growth, but to bind to those surfaces, on which ice nuclei can appear, and thus completely inhibit the ice formation in supercooled water or biological fluid.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,184
Écart entre enseignants0,165 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetPhysiological and biochemical adaptations→Travaux en français237 207→