MétaCan
Menu
Retour à la cohorte
Enregistrement W4378515117 · doi:10.3389/fmicb.2023.1174591

The use of nitrogen-15 in microbial natural product discovery and biosynthetic characterization

2023· review· en· W4378515117 sur OpenAlexaff
Kalindi D. Morgan

Notice bibliographique

RevueFrontiers in Microbiology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueMicrobial Natural Products and Biosynthesis
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésNatural productIsotopes of nitrogenCharacterization (materials science)NitrogenMass spectrometryBacteriaStable isotope ratioChemistryBiologyComputational biologyEnvironmental chemistryBiochemistryNanotechnologyOrganic chemistryMaterials scienceChromatographyPhysics

Résumé

récupéré en direct d'OpenAlex

This mini-review covers the use of nitrogen-15 in bacterial and fungal natural product discovery and biosynthetic characterization from 1970 to 2022. Nitrogen is an important element in a number of bioactive and structurally intriguing natural products including alkaloids, non-ribosomal peptides, and hybrid natural products. Nitrogen-15 can be detected at natural abundance utilizing two-dimensional nuclear magnetic resonance and mass spectrometry. Additionally, it is a stable isotope that can be added to growth media for both filamentous fungi and bacteria. With stable isotope feeding, additional two-dimensional nuclear magnetic resonance and mass spectrometry strategies have become available, and there is a growing trend to use nitrogen-15 stable isotope feeding for the biosynthetic characterization of natural products. This mini-review will catalog the use of these strategies, analyze the strengths and weaknesses of the different approaches, and suggest future directions for the use of nitrogen-15 in natural product discovery and biosynthetic characterization.

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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
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 Opus0,034
Tête enseignante GPT0,268
Écart entre enseignants0,234 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetMicrobial Natural Products and BiosynthesisTravaux en français237 207