MétaCan
Menu
Retour à la cohorte
Enregistrement W2821134563 · doi:10.1002/anie.201806792

A Mechanism‐Based Approach to Screening Metagenomic Libraries for Discovery of Unconventional Glycosidases

2018· article· en· W2821134563 sur OpenAlexafffund
Seyed A. Nasseri, Leo Betschart, Daria Opaleva, Peter Rahfeld, Stephen G. Withers

Notice bibliographique

RevueAngewandte Chemie International Edition · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueCarbohydrate Chemistry and Synthesis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungCanada Council for the Arts
Mots-clésMechanism (biology)MetagenomicsComputational biologyComputer scienceData scienceDrug discoveryBiochemical engineeringBiologyBioinformaticsEngineeringBiochemistryPhilosophy

Résumé

récupéré en direct d'OpenAlex

Functional metagenomics has opened new opportunities for enzyme discovery. To exploit the full potential of this new tool, the design of selective screens is essential, especially when searching for rare enzymes. To identify novel glycosidases that employ cleavage strategies other than the conventional Koshland mechanisms, a suitable screen was needed. Focusing on the unsaturated glucuronidases (UGLs), it was found that use of simple aryl glycoside substrates did not allow sufficient discrimination against β-glucuronidases, which are widespread in bacteria. While conventional glycosidases cannot generally hydrolyze thioglycosides efficiently, UGLs follow a distinct mechanism that allows them to do so. Thus, fluorogenic thioglycoside substrates featuring thiol-based self-immolative linkers were synthesized and assessed as selective substrates. The generality of the approach was validated with another family of unconventional glycosidases, the GH4 enzymes. Finally, the utility of these substrates was tested by screening a small metagenomic library.

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: aucune
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,880

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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,255
Écart entre enseignants0,224 · 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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetCarbohydrate Chemistry and SynthesisTravaux en français237 207