Innovation in insecticide discovery: Approaches to the discovery of new classes of insecticides
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
The continuing demand for agrochemical insecticides that can meet increasing grower, environmental, consumer and regulatory requirements creates the need for the development of new solutions for managing crop pest insects. The development of resistance to the currently available insecticidal products adds another critical driver for new insecticidal active ingredients (AIs). One avenue to meeting these challenges is the creation of new classes of insecticidal molecules to act as starting points and prototypes stimulating further spectrum, efficacy and environmental impact refinements. A new class of insecticides is foreshadowed by the first molecule exemplifying that class (first-in-class, FIC) and offers one measure of innovation within the agrochemical industry. Most insecticides owe their discovery to competitor-inspired (i.e. competitor patents/products) or next-generation (follow-on to a company's pre-existing product) strategies. In contrast, FIC insecticides primarily emerge from a bioactive hypothesis approach, with the largest segment resulting from the exploration of new areas of chemistry/heterocycles and underexploited motifs. Natural products also play an important role in the discovery of FIC insecticides. Understanding the origins of these FIC compounds and the approaches used in their discovery can provide insights into successful strategies for future FIC insecticides. This review analyses information on historic and recently introduced FIC insecticides. Its main objective has been to identify the most successful discovery strategies for identifying new agrochemical solutions to meet the challenge of minimizing crop losses resulting from insects. © 2022 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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