MétaCan
Menu
Retour à la cohorte
Enregistrement W4309632667 · doi:10.1016/j.fochms.2022.100146

Pea and lentil 7S globulin crystal structures with comparative immunoglobulin epitope mapping

2022· article· en· W4309632667 sur OpenAlexaff
Kelly A. Robinson, Antony D. St‐Jacques, Isabella D. Bakestani, Benjamin A.G. Beavington, Michèle C. Loewen

Notice bibliographique

RevueFood Chemistry Molecular Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésStorage proteinGlobulinLegumePisumBiologySativumVicilinEpitopeContext (archaeology)Food scienceBiotechnologyBiochemistryAntibodyAgronomyImmunologyGene

Résumé

récupéré en direct d'OpenAlex

Legumes represent an affordable high protein, nutrient dense food source. However, the vast majority of legume crops contain proteins that are known allergens for susceptible individuals. These include proteins from the 7S globulin family, which comprise a vast majority of seed storage proteins. Here, the crystal structures of 7S globulins from Pisum sativum L. (pea) and Lens culinaris Medicus (lentil) are presented for the first time, including pea vicillin and convicilin, and lentil vicilin. All three structures maintain the expected 7S globulin fold, with trimeric quaternary structure and monomers comprised of β-barrel N- and C-modules. The potential impact of sequence differences on structure and packing in the different crystal space groups is noted, with potential relevance to packing upon seed deposition. Mapping on the obtained crystal structures highlights significant Ig epitope overlap between pea, lentil, peanut and soya bean and significant coverage of the entire seed storage protein, emphasizing the challenge in addressing food allergies. How recently developed biologicals might be refined to be more effective, or how these seed storage proteins might be modified in planta to be less immuno-reactive remain challenges for the future. With legumes representing an affordable, high protein, nutrient dense food source, this work will enable important research in the context of global food security and human health on an ongoing basis.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,280
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Chemistry Molecular SciencesMême sujetFood Allergy and Anaphylaxis ResearchTravaux en français237 207