CRISPR/Cas9 System as a Valuable Genome Editing Tool for Wine Yeasts with Application to Decrease Urea Production
Notice bibliographique
Résumé
An extensive repertoire of molecular tools is available for genetic analysis in laboratory strains of S. cerevisiae. Although this has widely contributed to the interpretation of gene functionality within haploid laboratory isolates, the genetics of metabolism in commercially-relevant polyploid yeast strains is still poorly understood. Genetic engineering in industrial yeasts is undergoing major changes due to Clustered Regularly Interspaced Short Palindromic Repeats (CRISPR) and CRISPR-associated protein (Cas) engineering approaches. Here we apply the CRISPR/Cas9 system to two commercial ‘starter’ strains of S. cerevisiae (EC1118, AWRI796), eliminating the CAN1 arginine permease pathway to generate strains with reduced urea production (18.5 and 35.5% for EC1118 and AWRI796, respectively). In a wine-model environment based on two grape musts obtained from Chardonnay and Cabernet Sauvignon cultivars, both S. cerevisiae starter strains and CAN1 mutants completed the must fermentation in 8-12 days. However, recombinant strains carrying the can1 mutation failed to produce urea suggesting that the genetic modification successfully impaired the arginine metabolism. In conclusion, the reduction of urea production in a wine-model environment confirms that the CRISPR/Cas9 system has been successfully established in S. cerevisiae wine yeasts.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».