Modelamiento de la estructura 3D de las variantes polimórficas de los OR caninos en complejo con odorantes específicos en razas con buena capacidad de detección de drogas y explosivos
Bibliographic record
Abstract
El sentido del olfato de los mamíferos detecta una gran variedad de compuestos transportados por el aire, denominados odorantes, para satisfacer necesidades básicas como alimentación, sobrevivencia y reproducción. El perro es uno de los mamíferos con una extraordinaria capacidad olfativa, la cual varía entre razas siendo el pastor alemán y el labrador retriever aquellas reconocidas por poseer una destacada capacidad de detección. Es por ello que los canes suelen emplearse en la detección de sustancias y enfermedades porque los niveles de sensibilidad son superiores a los de cualquier tecnología desarrollada hasta el momento y los límites inferiores de detección son muy bajos. En general, la percepción de odorantes inicia con su interacción con los receptores olfativos OR asociados a proteínas G y embebidos en los cilios de la membrana del neuroepitelio olfatorio. En perros, la familia de los ORs está codificada por 1 094 genes que contienen una gran cantidad de polimorfismos, siendo el 50% de un solo nucleótido (SNP) de tipo no silencioso. Se ha reportado que ciertos SNPs no silenciosos específicos de razas especialistas en detección de drogas y explosivos se relacionan con la habilidad de detectar dichos olores. Sin embargo, aún no se conoce cuál es el efecto de estos SNPs en la estructura 3D de los OR cuando se encuentra en complejo con odorantes de drogas y explosivos específicos. El estudio de estas proteínas es retador porque su estructura aún no se ha resuelto experimentalmente. Como alternativa, se han aplicado aproximaciones teóricas para predecirla; en OR de humanos, ratas y ratones se ha hecho satisfactoriamente, pero en canes aún no se ha realizado. El presente trabajo busca predecir la estructura 3D de variantes polimórficas de OR caninos en complejo con odorantes contenidos en drogas y explosivos. Dichas variantes son aquellas relacionados a una mejor o peor capacidad de detección canina de drogas y explosivos. Los resultados describirían por primera vez la estructura 3D de OR caninos y de sus complejos con odorantes específicos, aplicando métodos bioinformáticos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".