Prediction of Weak Acid Toxicity in <i>Saccharomyces cerevisiae</i> Using Genome-Scale Metabolic Models
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
The use of lignocellulosic biomass is critical for the economic production of transportation fuels and chemicals in renewable bioprocesses. While biomass is an abundant resource, necessary pretreatment to yield fermentable monosaccharides produces toxic compounds that dramatically affect fermentation performance. Weak acids such as acetic acid play an important role in the toxicity of lignocellulosic hydrolysate to Saccharomyces cerevisiae , a commonly used industrial organism. In order to explore the ramifications of weak acid inhibition on cellular metabolism, we adapted a genome-scale metabolic model of S. cerevisiae to describe toxicity of acetic acid by a decoupling mechanism. We evaluated the performance of the model in predicting growth rates and ethanol production characteristics under aerobic and anaerobic cultivations. We found that the model was able to capture the decreased growth during aerobic cultivations in the presence of acetic acid, but was unable to capture the increase in ethanol yield observed. The model was able to predict anaerobic growth rates and ethanol yields; however, at conditions of higher toxicity levels, discrepancies arose. We expect that a model such as this may find application in the optimization of lignocellulose-based bioprocesses in which there exists a critical economic trade-off between neutralization costs and product yields.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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