Correlation between Low Temperature Adaptation and Oxidative Stress in Saccharomyces cerevisiae
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.
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) | 0,000 | 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 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 ».