MétaCan
Menu
Retour à la cohorte
Enregistrement W4385477040 · doi:10.1007/s43630-023-00466-6

Overview of methods and considerations for the photodynamic inactivation of microorganisms for agricultural applications

2023· review· en· W4385477040 sur OpenAlexaff
Tariqul Islam, M. Sain, Colin Stark, Michael Fefer, Jun Liu, Todd Hoare, Wenzi Ckurshumova, Cristina Rosa

Notice bibliographique

RevuePhotochemical & Photobiological Sciences · 2023
Typereview
Langueen
DomaineMedicine
ThématiquePhotodynamic Therapy Research Studies
Établissements canadiensCentennial CollegeSuncor Energy (Canada)McMaster University
Organismes subventionnairesnon disponible
Mots-clésAgrochemicalAgricultureEnvironmentally friendlyBiochemical engineeringSustainable agricultureBiotechnologyPesticideComputer scienceRisk analysis (engineering)NanotechnologyBusinessEngineeringBiologyMaterials scienceEcology

Résumé

récupéré en direct d'OpenAlex

Antimicrobial resistance in agriculture is a global concern and carries huge financial consequences. Despite that, practical solutions for growers that are sustainable, low cost and environmentally friendly have been sparse. This has created opportunities for the agrochemical industry to develop pesticides with novel modes of action. Recently the use of photodynamic inactivation (PDI), classically used in cancer treatments, has been explored in agriculture as an alternative to traditional chemistries, mainly as a promising new approach for the eradication of pesticide resistant strains. However, applications in the field pose unique challenges and call for new methods of evaluation to adequately address issues specific to PDI applications in plants and challenges faced in the field. The aim of this review is to summarize in vitro, ex vivo, and in vivo/in planta experimental strategies and methods used to test and evaluate photodynamic agents as photo-responsive pesticides for applications in agriculture. The review highlights some of the strategies that have been explored to overcome challenges in the field.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
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 Opus0,306
Tête enseignante GPT0,530
Écart entre enseignants0,223 · 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
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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotochemical & Photobiological SciencesMême sujetPhotodynamic Therapy Research StudiesTravaux en français237 207