Metabolic engineering for the production of plant isoquinoline alkaloids
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several plant isoquinoline alkaloids (PIAs) possess powerful pharmaceutical and biotechnological properties. Thus, PIA metabolism and its fascinating molecules, including morphine, colchicine and galanthamine, have attracted the attention of both the industry and researchers involved in plant science, biochemistry, chemical bioengineering and medicine. Currently, access and availability of high-value PIAs [commercialized (e.g. galanthamine) or not (e.g. narciclasine)] is limited by low concentration in nature, lack of cultivation or geographic access, seasonal production and risk of overharvesting wild plant species. Nevertheless, most commercial PIAs are still extracted from plant sources. Efforts to improve the production of PIA have largely been impaired by the lack of knowledge on PIA metabolism. With the development and integration of next-generation sequencing technologies, high-throughput proteomics and metabolomics analyses and bioinformatics, systems biology was used to unravel metabolic pathways allowing the use of metabolic engineering and synthetic biology approaches to increase production of valuable PIAs. Metabolic engineering provides opportunity to overcome issues related to restricted availability, diversification and productivity of plant alkaloids. Engineered plant, plant cells and microbial cell cultures can act as biofactories by offering their metabolic machinery for the purpose of optimizing the conditions and increasing the productivity of a specific alkaloid. In this article, is presented an update on the production of PIA in engineered plant, plant cell cultures and heterologous micro-organisms.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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