MétaCan
Menu
Retour à la cohorte
Enregistrement W4399803772 · doi:10.1002/pmic.202400075

What proteomics has taught us about honey bee ( <i>Apis mellifera</i> ) health and disease

2024· review· en· W4399803772 sur OpenAlexafffund
Maor Arad, Kenneth Ku, Connor Frey, Rhien Hare, Alison McAfee, Golfam Ghafourifar, Leonard J. Foster

Notice bibliographique

RevuePROTEOMICS · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect and Pesticide Research
Établissements canadiensSimon Fraser UniversityCanada's Michael Smith Genome Sciences CentreUniversity of the Fraser ValleyUniversity of British Columbia
Organismes subventionnairesUniversity of the Fraser Valley
Mots-clésHoney beeBeekeepingBiologyProteomicsIdentification (biology)AgricultureHoney BeesBiotechnologyEcology

Résumé

récupéré en direct d'OpenAlex

The Western honey bee, Apis mellifera, is currently navigating a gauntlet of environmental pressures, including the persistent threat of parasites, pathogens, and climate change - all of which compromise the vitality of honey bee colonies. The repercussions of their declining health extend beyond the immediate concerns of apiarists, potentially imposing economic burdens on society through diminished agricultural productivity. Hence, there is an imperative to devise innovative monitoring techniques for assessing the health of honey bee populations. Proteomics, recognized for its proficiency in biomarker identification and protein-protein interactions, is poised to play a pivotal role in this regard. It offers a promising avenue for monitoring and enhancing the resilience of honey bee colonies, thereby contributing to the stability of global food supplies. This review delves into the recent proteomic studies of A. mellifera, highlighting specific proteins of interest and envisioning the potential of proteomics to improve sustainable beekeeping practices amidst the challenges of a changing planet.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,092
Tête enseignante GPT0,336
Écart entre enseignants0,245 · 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.

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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePROTEOMICSMême sujetInsect and Pesticide ResearchTravaux en français237 207