Mechanisms of gold biomineralization in the bacterium <i>Cupriavidus metallidurans</i>
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
While the role of microorganisms as main drivers of metal mobility and mineral formation under Earth surface conditions is now widely accepted, the formation of secondary gold (Au) is commonly attributed to abiotic processes. Here we report that the biomineralization of Au nanoparticles in the metallophillic bacterium Cupriavidus metallidurans CH34 is the result of Au-regulated gene expression leading to the energy-dependent reductive precipitation of toxic Au(III)-complexes. C. metallidurans, which forms biofilms on Au grains, rapidly accumulates Au(III)-complexes from solution. Bulk and microbeam synchrotron X-ray analyses revealed that cellular Au accumulation is coupled to the formation of Au(I)-S complexes. This process promotes Au toxicity and C. metallidurans reacts by inducing oxidative stress and metal resistances gene clusters (including a Au-specific operon) to promote cellular defense. As a result, Au detoxification is mediated by a combination of efflux, reduction, and possibly methylation of Au-complexes, leading to the formation of Au(I)-C-compounds and nanoparticulate Au(0). Similar particles were observed in bacterial biofilms on Au grains, suggesting that bacteria actively contribute to the formation of Au grains in surface environments. The recognition of specific genetic responses to Au opens the way for the development of bioexploration and bioprocessing tools.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle