MétaCan
Menu
Retour à la cohorte
Enregistrement W2899008101 · doi:10.1021/acssynbio.8b00339

A Highly Characterized Synthetic Landing Pad System for Precise Multicopy Gene Integration in Yeast

2018· article· en· W2899008101 sur OpenAlexafffund
Leanne Bourgeois, Michael E. Pyne, Vincent J. J. Martin

Notice bibliographique

RevueACS Synthetic Biology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant tissue culture and regeneration
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésMetabolic engineeringSynthetic biologyGeneComputational biologyBiologyGenome engineeringCRISPRGeneticsSaccharomyces cerevisiaeTransformation (genetics)DNACas9

Résumé

récupéré en direct d'OpenAlex

A fundamental undertaking of metabolic engineering involves identifying and troubleshooting metabolic bottlenecks that arise from imbalances in pathway flux. To expedite the systematic screening of enzyme orthologs in conjunction with DNA copy number tuning, here we develop a simple and highly characterized CRISPR-Cas9 integration system in Saccharomyces cerevisiae. Our engineering strategy introduces a series of synthetic DNA landing pads (LP) into the S. cerevisiae genome to act as sites for high-level gene integration. LPs facilitate multicopy gene integration of one, two, three, or four DNA copies in a single transformation, thus providing precise control of DNA copy number. We applied our LP system to norcoclaurine synthase (NCS), an enzyme with poor kinetic properties involved in the first committed step of the production of high-value benzylisoquinoline alkaloids. The platform enabled rapid construction of a 40-strain NCS library by integrating ten NCS orthologs in four gene copies each. Six active NCS variants were identified, whereby production of ( S)-norcoclaurine could be further enhanced by increasing NCS copy number. We anticipate the LP system will aid in metabolic engineering efforts by providing strict control of gene copy number and expediting strain and pathway engineering campaigns.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,256
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations66
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Synthetic BiologyMême sujetPlant tissue culture and regenerationTravaux en français237 207