MétaCan
Menu
Retour à la cohorte
Enregistrement W950562869 · doi:10.1016/j.biotechadv.2015.07.007

Bringing plant-based veterinary vaccines to market: Managing regulatory and commercial hurdles

2015· review· en· W950562869 sur OpenAlexafffundabout
Jacqueline MacDonald, Ketan Doshi, Marike Dussault, J. Christopher Hall, Larry A. Holbrook, Ginny Jones, Angelo Kaldis, Cassidy L. Klima, Phil Macdonald, Tim A. McAllister, Michael D. McLean, Andrew Potter, Alex Richman, Heather M. Shearer, Oksana Yarosh, Han Sang Yoo, Edward Topp, Rima Menassa

Notice bibliographique

RevueBiotechnology Advances · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueTransgenic Plants and Applications
Établissements canadiensUniversity of SaskatchewanUniversity of GuelphGenome PrairieCanadian Food Inspection AgencyAgriculture and Agri-Food Canada
Organismes subventionnairesCanadian Food Inspection Agency
Mots-clésCommercializationBusinessAnimal healthIntellectual propertyBiotechnologyHuman healthScale (ratio)Production (economics)MarketingVeterinary medicineMedicineEconomicsComputer scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The production of recombinant vaccines in plants may help to reduce the burden of veterinary diseases, which cause major economic losses and in some cases can affect human health. While there is abundant research in this area, a knowledge gap exists between the ability to create and evaluate plant-based products in the laboratory, and the ability to take these products on a path to commercialization. The current report, arising from a workshop sponsored by an Organisation for Economic Co-operation and Development (OECD) Co-operative Research Programme, addresses this gap by providing guidance in planning for the commercialization of plant-made vaccines for animal use. It includes relevant information on developing business plans, assessing market opportunities, manufacturing scale-up, financing, protecting and using intellectual property, and regulatory approval with a focus on Canadian regulations.

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 seuil0,013

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
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
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 Opus0,031
Tête enseignante GPT0,319
Écart entre enseignants0,288 · 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

Citations37
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiotechnology AdvancesMême sujetTransgenic Plants and ApplicationsTravaux en français237 207