MétaCan
Menu
Retour à la cohorte
Enregistrement W2531734803 · doi:10.1111/pbi.12648

Elevated acetyl‐CoA by amino acid recycling fuels microalgal neutral lipid accumulation in exponential growth phase for biofuel production

2016· article· en· W2531734803 sur OpenAlexaff
Lina Yao, Hui Shen, Nan Wang, Jaspaul Tatlay, Liang Li, Tin Wee Tan, Yuan Kun Lee

Notice bibliographique

RevuePlant Biotechnology Journal · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational University of Singapore
Mots-clésBiofuelBiologyCatabolismPhotosynthesisBiochemistryBiomass (ecology)Exponential growthBiodieselMetabolismBiotechnologyEcology

Résumé

récupéré en direct d'OpenAlex

Microalgal neutral lipids [mainly in the form of triacylglycerols (TAGs)], feasible substrates for biofuel, are typically accumulated during the stationary growth phase. To make microalgal biofuels economically competitive with fossil fuels, generating strains that trigger TAG accumulation from the exponential growth phase is a promising biological approach. The regulatory mechanisms to trigger TAG accumulation from the exponential growth phase (TAEP) are important to be uncovered for advancing economic feasibility. Through the inhibition of pyruvate dehydrogenase kinase by sodium dichloroacetate, acetyl-CoA level increased, resulting in TAEP in microalga Dunaliella tertiolecta. We further reported refilling of acetyl-CoA pool through branched-chain amino acid catabolism contributed to an overall sixfold TAEP with marginal compromise (4%) on growth in a TAG-rich D. tertiolecta mutant from targeted screening. Herein, a three-step α loop-integrated metabolic model is introduced to shed lights on the neutral lipid regulatory mechanism. This article provides novel approaches to compress lipid production phase and heightens lipid productivity and photosynthetic carbon capture via enhancing acetyl-CoA level, which would optimize renewable microalgal biofuel to fulfil the demanding fuel market.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant Biotechnology JournalMême sujetAlgal biology and biofuel productionTravaux en français237 207