Chemical and Synthetic Genetic Array Analysis Identifies Genes that Suppress Xylose Utilization and Fermentation in <i>Saccharomyces cerevisiae</i>
Notice bibliographique
Résumé
Though highly efficient at fermenting hexose sugars, Saccharomyces cerevisiae has limited ability to ferment five-carbon sugars. As a significant portion of sugars found in cellulosic biomass is the five-carbon sugar xylose, S. cerevisiae must be engineered to metabolize pentose sugars, commonly by the addition of exogenous genes from xylose fermenting fungi. However, these recombinant strains grow poorly on xylose and require further improvement through rational engineering or evolutionary adaptation. To identify unknown genes that contribute to improved xylose fermentation in these recombinant S. cerevisiae, we performed genome-wide synthetic interaction screens to identify deletion mutants that impact xylose utilization of strains expressing the xylose isomerase gene XYLA from Piromyces sp. E2 alone or with an additional copy of the endogenous xylulokinase gene XKS1. We also screened the deletion mutant array to identify mutants whose growth is affected by xylose. Our genetic network reveals that more than 80 nonessential genes from a diverse range of cellular processes impact xylose utilization. Surprisingly, we identified four genes, ALP1, ISC1, RPL20B, and BUD21, that when individually deleted improved xylose utilization of both S. cerevisiae S288C and CEN.PK strains. We further characterized BUD21 deletion mutant cells in batch fermentations and found that they produce ethanol even the absence of exogenous XYLA. We have demonstrated that the ability of laboratory strains of S. cerevisiae to utilize xylose as a sole carbon source is suppressed, which implies that S. cerevisiae may not require the addition of exogenous genes for efficient xylose fermentation.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».