Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Repozitorij Univerze v Ljubljani
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Brskanje
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
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
)
PDF - Predstavitvena datoteka,
prenos
(907,45 KB)
MD5: DBF66398B8862D50A910D52634162113
URL - Izvorni URL, za dostop obiščite
https://www.sciencedirect.com/science/article/pii/S0167779925001660
Galerija slik
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
UDK:
577.112:004.85
ISSN pri članku:
0167-7799
DOI:
10.1016/j.tibtech.2025.04.021
COBISS.SI-ID:
238521091
Datum objave v RUL:
09.06.2025
Število ogledov:
55
Število prenosov:
2
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Objavi na:
Gradivo je del revije
Naslov:
Trends in biotechnology
Skrajšan naslov:
Trends biotechnol.
Založnik:
Elsevier
ISSN:
0167-7799
COBISS.SI-ID:
27429888
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