Expanding the Capabilities of Constraint-based Metabolic Models for Biotechnology Purposes
Notice bibliographique
Résumé
Over the past decade, the constraint-based approach to metabolic modeling has become an important tool for understanding and controlling biology. Unfortunately, the application of this novel approach to systems biology in biotechnology has been limited by three significant technical issues: existing metabolic modeling methods cannot completely model the overflow metabolism, cannot model the metabolism of microbial communities, and cannot design strains optimized for productivity and titer. Three computational methods â the Flux Balance Analysis with Membrane Economics (FBAME) method, the Dynamic Multi-species Metabolic Modeling (DyMMM) framework, and the Dynamic Strain Scanning Optimization (DySScO) strategy â have been developed to resolve these issues respectively.\nFirst, the FBAME method, which adopts the membrane occupancy limitation hypothesis, was used to explain and predict the phenomenon of overflow metabolism, an important metabolic phenomenon in industrial fermentation, in Escherichia coli. Then, the DyMMM framework was used to investigate the community metabolism during uranium bioremediation, and demonstrated that the simultaneous addition of acetate and Fe(III) may be a theoretically viable uranium bioremediation strategy. Lastly, the DySScO strategy, which combines the DyMMM framework with existing strain design algorithms, was used to design commodity-chemical producing E. coli optimized for a balanced product yield, titer, and volumetric productivity. These novel computational methods allow for broader applications of constraint-based metabolic models in biotechnology settings.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».