Podrobno

Can protein expression be ‘solved’?
ID Baranowski, Catherine (Avtor), ID Garcia Martin, Hector (Avtor), ID Oyarzún, Diego A. (Avtor), ID Spinner, Aviv (Avtor), ID Desai, Bijoy (Avtor), ID Petzold, Christopher J. (Avtor), ID Nikolados, Evangelos-Marios (Avtor), ID Jaaks-Kraatz, Sebastian (Avtor), ID Gaber, Aljaž (Avtor), ID Chalkley, Robert J. (Avtor), ID Scannell, Devin (Avtor), ID Sevey, Rachel (Avtor), ID Jewett, Michael C. (Avtor), ID Kelly, Peter J. (Avtor), ID DeBenedictis, Erika A. (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (907,45 KB)
MD5: DBF66398B8862D50A910D52634162113
URLURL - Izvorni URL, za dostop obiščite https://www.sciencedirect.com/science/article/pii/S0167779925001660 Povezava se odpre v novem oknu

Izvleček
Heterologous protein expression is a fundamental technique used frequently in modern day biology. It enables scientific exploration of protein function as well as development of lifesaving medicines and economically impactful industrial products. Protein expression experiments primarily remain an experience-guided trial and error situation, even though it is an approach used by nearly all biologists. Generating an openly available, large-scale protein expression dataset that spans organisms and uses a standard experimental approach would provide the machine learning community with a foundation for building a multispecies predictive model of expression. A predictive model of protein expression would have a profound commercial impact and could replace countless hours of experimentation with a higher-probability directed approach.

Jezik:Angleški jezik
Ključne besede:protein expression, machine learning, predictive models, open datasets
Vrsta gradiva:Članek v reviji
Tipologija:1.02 - Pregledni znanstveni članek
Organizacija:FKKT - Fakulteta za kemijo in kemijsko tehnologijo
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Leto izida:2025
Št. strani:19 str.
Številčenje:Vol. , iss.
PID:20.500.12556/RUL-169760 Povezava se odpre v novem oknu
UDK:577.112:004.85
ISSN pri članku:0167-7799
DOI:10.1016/j.tibtech.2025.04.021 Povezava se odpre v novem oknu
COBISS.SI-ID:238521091 Povezava se odpre v novem oknu
Datum objave v RUL:09.06.2025
Število ogledov:55
Število prenosov:2
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Trends in biotechnology
Skrajšan naslov:Trends biotechnol.
Založnik:Elsevier
ISSN:0167-7799
COBISS.SI-ID:27429888 Povezava se odpre v novem oknu

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:izražanje proteinov, strojno učenje, napovedni modeli, odprte baze podatkov

Projekti

Financer:Drugi - Drug financer ali več financerjev
Številka projekta:W911NF-22-2-0210, W911NF-22-2-0246

Financer:Drugi - Drug financer ali več financerjev
Številka projekta:DE-SC0023278, DE-NA0003525

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P1-0140
Naslov:Proteoliza in njena regulacija pri zdravju in boleznih

Financer:Drugi - Drug financer ali več financerjev
Številka projekta:DE-AC02-05CH11231

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj