MétaCan
Menu
Retour à la cohorte
Enregistrement W4280603235 · doi:10.1139/bcb-2022-0029

Reflections on antifreeze proteins and their evolution

2022· review· en· W4280603235 sur OpenAlexafffundvenue
Peter L. Davies

Notice bibliographique

RevueBiochemistry and Cell Biology · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensQueen's University
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchMedical Research Council Canada
Mots-clésAntifreeze proteinBiologyMutagenesisComputational biologyGeneEvolutionary biologyChemistryAstrobiologyGeneticsMutant

Résumé

récupéré en direct d'OpenAlex

The discovery of radically different antifreeze proteins (AFPs) in fishes during the 1970s and 1980s suggested that these proteins had recently and independently evolved to protect teleosts from freezing in icy seawater. Early forays into the isolation and characterization of AFP genes in these fish showed they were massively amplified, often in long tandem repeats. The work of many labs in the 1980s onward led to the discovery and characterization of AFPs in other kingdoms, such as insects, plants, and many different microorganisms. The distinct ice-binding property that these ice-binding proteins (IBPs) share has facilitated their purification through adsorption to ice, and the ability to produce recombinant versions of IBPs has enabled their structural characterization and the mapping of their ice-binding sites (IBSs) using site-directed mutagenesis. One hypothesis for their ice affinity is that the IBS organizes surface waters into an ice-like pattern that freezes the protein onto ice. With access now to a rapidly expanding database of genomic sequences, it has been possible to trace the origins of some fish AFPs through the process of gene duplication and divergence, and to even show the horizontal transfer of an AFP gene from one species to another.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,050
Tête enseignante GPT0,291
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetPhysiological and biochemical adaptationsTravaux en français237 207