MétaCan
Menu
Retour à la cohorte
Enregistrement W2564732381 · doi:10.3934/bioeng.2017.1.12

Manganese orchestrates a metabolic shift leading to the increased bioconversion of glycerol into α-ketoglutarate.

2016· article· en· W2564732381 sur OpenAlexaff
Azhar Alhasawi, Vasu D. Appanna

Notice bibliographique

RevueAIMS bioengineering · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésPyruvate carboxylaseBioconversionPhosphoenolpyruvate carboxylaseCitrate synthaseGlycerolBiochemistryChemistryIsocitrate dehydrogenaseNAD+ kinaseDehydrogenaseCitric acid cycleMetaboliteMetabolismEnzymeFermentation

Résumé

récupéré en direct d'OpenAlex

Glycerol is a major by-product of the biodiesel industry and its transformation into value-added products is an ongoing technological challenge. Here we report on the ability of the nutritionally-versatile <em>Pseudomonas fluorescens</em> to synthesize copious amount of α-ketoglutarate (KG) in a glycerol medium supplemented with manganese (Mn). The enhanced production of this keto-acid was mediated by the increased activities of isocitrate dehydrogenase (ICDH)-(NAD)P dependent and aminotransaminases. At stationary phase of growth when the optimal quantity of KG was recorded, these enzymes exhibited maximal activities. Two isoforms of pyruvate carboxylase (PC) that were identified in the Mn-treated cells provided an effective route for the synthesis of oxaloacetate, a metabolite critical in the production of KG. Furthermore, the increased activities of phosphoenol pyruvate carboxylase (PEPC) and pyruvate orthophosphate dikinase (PPDK) ensured the efficacy of this KG-generating metabolic system by supplying pyruvate and ATP from the oxaloacetate synthesized by PC. Mn-exposed whole cells converted 90% of industrial glycerol into KG. This Mn-evoked metabolic network can be optimized into the economic transformation of glycerol into KG.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,042
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,212
Écart entre enseignants0,207 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS bioengineeringMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207