MétaCan
Menu
Retour à la cohorte
Enregistrement W4404327817 · doi:10.1093/nar/gkae1044

BitterDB: 2024 update on bitter ligands and taste receptors

2024· article· en· W4404327817 sur OpenAlexfundno aff
Evgenii Ziaikin, S. I. Uspenskaya, Masha Y. Niv

Notice bibliographique

RevueNucleic Acids Research · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of InnovationHebrew University of JerusalemMinistry of Agriculture - Saskatchewan
Mots-clésBiologyTaste receptorReceptorTasteBitter tasteGeneticsBiochemistryComputational biology

Résumé

récupéré en direct d'OpenAlex

BitterDB (http://bitterdb.agri.huji.ac.il) was introduced in 2012 as a central resource for information on bitter-tasting molecules and their receptors, and was updated in 2019. The information in BitterDB is used for tasks such as exploring the bitter chemical space, choosing suitable ligands for experimental studies, analyzing receptors' selectivity and promiscuity, and developing machine learning predictors for taste. Here, we describe a major upgrade of the database, including significant increase in content as well as new features. BitterDB now holds over 2200 bitter molecules. For ∼700 molecules, at least one associated bitter taste receptor (TAS2R) is reported. The overall number of ligand-TAS2R associations is now close to 1800. BitterDB is extended to a total of 66 species (including dog, birds, fishes and primates). Following advances in computational structure prediction by AlphaFold and related methods, and the experimental determination of TAS2R structures by cryo-electron microscopy, BitterDB provides links to available structures of TAS2Rs.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,910

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,352
Écart entre enseignants0,314 · 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'étudeSans objet
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

Citations53
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNucleic Acids ResearchMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207