Algal carbohydrates affect polyketide synthesis of the lichen-forming fungus<i>Cladonia rangiferina</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
Lichen secondary metabolites (polyketides) are produced by the fungal partner, but the role of algal carbohydrates in polyketide biosynthesis is not clear. This study examined whether the type and concentration of algal carbohydrate explained differences in polyketide production and gene transcription by a lichen fungus (Cladonia rangiferina). The carbohydrates identified from a free-living cyanobacterium (Spirulina platensis; glucose), a lichen-forming alga (Diplosphaera chodatii; sorbitol) and the lichen alga that associates with C. rangiferina (Asterochloris sp.; ribitol) were used in each of 1%, 5% and 10% concentrations to enrich malt yeast extract media for culturing the mycobiont. Polyketides were determined by high performance liquid chromatography (HPLC), and polyketide synthase (PKS) gene transcription was measured by quantitative PCR of the ketosynthase domain of four PKS genes. The lower concentrations of carbohydrates induced the PKS gene expression where ribitol up-regulated CrPKS1 and CrPKS16 gene transcription and sorbitol up-regulated CrPKS3 and CrPKS7 gene transcription. The HPLC results revealed that lower concentrations of carbon sources increased polyketide production for three carbohydrates. One polyketide from the natural lichen thallus (fumarprotocetraric acid) also was produced by the fungal culture in ribitol supplemented media only. This study provides a better understanding of the role of the type and concentration of the carbon source in fungal polyketide biosynthesis in the lichen Cladonia rangiferina.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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