Precision cellular agriculture: The future role of recombinantly expressed protein as food
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
Cellular agriculture is a rapidly emerging field, within which cultured meat has attracted the majority of media attention in recent years. An equally promising area of cellular agriculture, and one that has produced far more actual food ingredients that have been incorporated into commercially available products, is the use of cellular hosts to produce soluble proteins, herein referred to as precision cellular agriculture (PCAg). In PCAg, specific animal- or plant-sourced proteins are expressed recombinantly in unicellular hosts-the majority of which are yeast-and harvested for food use. The numerous advantages of PCAg over traditional agriculture, including a smaller carbon footprint and more consistent products, have led to extensive research on its utility. This review is the first to survey proteins currently being expressed using PCAg for food purposes. A growing number of viable expression hosts and recent advances for increased protein yields and process optimization have led to its application for producing milk, egg, and muscle proteins; plant hemoglobin; sweet-tasting plant proteins; and ice-binding proteins. Current knowledge gaps present research opportunities for optimizing expression hosts, tailoring posttranslational modifications, and expanding the scope of proteins produced. Considerations for the expansion of PCAg and its implications on food regulation, society, ethics, and the environment are also discussed. Considering the current trajectory of PCAg, food proteins from any biological source can likely be expressed recombinantly and used as purified food ingredients to create novel and tailored food products.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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