Kinetic Modeling and Isotopic Investigation of Isobutanol Fermentation by Two Engineered Escherichia coli Strains
Notice bibliographique
Résumé
We constructed an Escherichia coli BL21 strain with the Ehrlich pathway (the low-performance strain for isobutanol production). We also obtained a high isobutanol-producing E. coli strain JCL260 from the James Liao group (University of California). To compare the fermentation performances of the two engineered strains, we employed a general Monod-based model coupled with mixed-growth-associated isobutanol formation kinetics to simulate glucose consumption, biomass growth, and product secretion/loss under different cultivation conditions. On the basis of both kinetic data and additional 13 C-isotopic investigation, we found that the low-performance strain demonstrated robust biomass growth in the minimal growth medium (20 g/L glucose), achieving isobutanol production (up to 0.95 g/L). It utilized significant amounts of yeast extract to synthesize isobutanol when it grew in the rich medium. The rich medium also enhanced waste product secretion, and thus reduced the glucose-based isobutanol yield. In contrast, JCL260 had poor biomass growth in the minimal medium due to an inflated Monod constant ( K S ), while the rich medium greatly promoted both biomass growth and isobutanol productivity (∼60% of the theoretical isobutanol yield). With the optimized keto-acid pathway, JCL260 synthesized isobutanol mostly from glucose even in the presence of sufficient yeast extract. This study not only provided a kinetic model for scaled-up isobutanol fermentation but also offered metabolic insights into the performance trade-off between the two engineered E. coli strains.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».