Sequence‐ and activity‐based screening of microbial genomes for novel dehalogenases
Notice bibliographique
Résumé
Dehalogenases are environmentally important enzymes that detoxify organohalogens by cleaving their carbon-halogen bonds. Many microbial genomes harbour enzyme families containing dehalogenases, but a sequence-based identification of genuine dehalogenases with high confidence is challenging because of the low sequence conservation among these enzymes. Furthermore, these protein families harbour a rich diversity of other enzymes including esterases and phosphatases. Reliable sequence determinants are necessary to harness genome sequencing-efforts for accelerating the discovery of novel dehalogenases with improved or modified activities. In an attempt to extract dehalogenase sequence fingerprints, 103 uncharacterized potential dehalogenase candidates belonging to the α/β hydrolase (ABH) and haloacid dehalogenase-like hydrolase (HAD) superfamilies were screened for dehalogenase, esterase and phosphatase activity. In this first biochemical screen, 1 haloalkane dehalogenase, 1 fluoroacetate dehalogenase and 5 l-2-haloacid dehalogenases were found (success rate 7%), as well as 19 esterases and 31 phosphatases. Using this functional data, we refined the sequence-based dehalogenase selection criteria and applied them to a second functional screen, which identified novel dehalogenase activity in 13 out of only 24 proteins (54%), increasing the success rate eightfold. Four new L-2-haloacid dehalogenases from the HAD superfamily were found to hydrolyse fluoroacetate, an activity never previously ascribed to enzymes in this superfamily.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».