Diversifying Carotenoid Biosynthetic Pathways by Directed Evolution
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
Microorganisms and plants synthesize a diverse array of natural products, many of which have proven indispensable to human health and well-being. Although many thousands of these have been characterized, the space of possible natural products--those that could be made biosynthetically--remains largely unexplored. For decades, this space has largely been the domain of chemists, who have synthesized scores of natural product analogs and have found many with improved or novel functions. New natural products have also been made in recombinant organisms, via engineered biosynthetic pathways. Recently, methods inspired by natural evolution have begun to be applied to the search for new natural products. These methods force pathways to evolve in convenient laboratory organisms, where the products of new pathways can be identified and characterized in high-throughput screening programs. Carotenoid biosynthetic pathways have served as a convenient experimental system with which to demonstrate these ideas. Researchers have mixed, matched, and mutated carotenoid biosynthetic enzymes and screened libraries of these "evolved" pathways for the emergence of new carotenoid products. This has led to dozens of new pathway products not previously known to be made by the assembled enzymes. These new products include whole families of carotenoids built from backbones not found in nature. This review details the strategies and specific methods that have been employed to generate new carotenoid biosynthetic pathways in the laboratory. The potential application of laboratory evolution to other biosynthetic pathways is also discussed.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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