Exploration of natural red-shifted rhodopsins using a machine learning-based Bayesian experimental design

Autor:	Keiichi Inoue, Masayuki Karasuyama, Ryoko Nakamura, Masae Konno, Daichi Yamada, Kentaro Mannen, Takashi Nagata, Yu Inatsu, Hiromu Yawo, Kei Yura, Oded Béjà, Hideki Kandori, Ichiro Takeuchi
Jazyk:	angličtina
Rok vydání:	2021
Předmět:	Biology (General) QH301-705.5
Zdroj:	Communications Biology, Vol 4, Iss 1, Pp 1-11 (2021)
Druh dokumentu:	article
ISSN:	2399-3642
DOI:	10.1038/s42003-021-01878-9
Popis:	Inoue, Takeuchi and colleagues propose a machine learning-based protocol to screen rhodopsins for their likelihood to be red-shifted. After experimental verification, their tool shows remarkable success at identifying rhodopsins that showed red-shift gains.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/a7253888b2914466b0761002b36b7c01 Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.