Correlation between Low Temperature Adaptation and Oxidative Stress in Saccharomyces cerevisiae
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
Many factors, such as must composition, juice clarification, fermentation temperature, or inoculated yeast strain, strongly affect the alcoholic fermentation and aromatic profile of wine. As fermentation temperature is effectively controlled by the wine industry, low-temperature fermentation (10-15°C) is becoming more prevalent in order to produce white and "rosé" wines with more pronounced aromatic profiles. Elucidating the response to cold in Saccharomyces cerevisiae is of paramount importance for the selection or genetic improvement of wine strains. Previous research has shown the strong implication of oxidative stress response in adaptation to low temperature during the fermentation process. Here we aimed first to quantify the correlation between recovery after shock with different oxidants and cold, and then to detect the key genes involved in cold adaptation that belong to sulfur assimilation, peroxiredoxins, glutathione-glutaredoxins, and thioredoxins pathways. To do so, we analyzed the growth of knockouts from the EUROSCARF collection S. cerevisiae BY4743 strain at low and optimal temperatures. The growth rate of these knockouts, compared with the control, enabled us to identify the genes involved, which were also deleted and validated as key genes in the background of two commercial wine strains with a divergent phenotype in their low-temperature growth. We identified three genes, AHP1, MUP1, and URM1, whose deletion strongly impaired low-temperature growth.
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 | 0,000 |
| 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 découle