Engineering metabolite-responsive transcriptional factors to sense small molecules in eukaryotes: current state and perspectives
Notice bibliographique
Résumé
Nature has evolved exquisite sensing mechanisms to detect cellular and environmental signals surrounding living organisms. These biosensors have been widely used to sense small molecules, detect environmental cues and diagnose disease markers. Metabolic engineers and synthetic biologists have been able to exploit metabolites-responsive transcriptional factors (MRTFs) as basic tools to rewire cell metabolism, reprogram cellular activity as well as boost cell's productivity. This is commonly achieved by integrating sensor-actuator systems with biocatalytic functions and dynamically allocating cellular resources to drive carbon flux toward the target pathway. Up to date, most of identified MRTFs are derived from bacteria. As an endeavor to advance intelligent biomanufacturing in yeast cell factory, we will summarize the opportunities and challenges to transfer the bacteria-derived MRTFs to expand the small-molecule sensing capability in eukaryotic cells. We will discuss the design principles underlying MRTF-based biosensors in eukaryotic cells, including the choice of reliable reporters and the characterization tools to minimize background noise, strategies to tune the sensor dynamic range, sensitivity and specificity, as well as the criteria to engineer activator and repressor-based biosensors. Due to the physical separation of transcription and protein expression in eukaryotes, we argue that nuclear import/export mechanism of MRTFs across the nuclear membrane plays a critical role in regulating the MRTF sensor dynamics. Precisely-controlled MRTF response will allow us to repurpose the vast majority of transcriptional factors as molecular switches to achieve temporal or spatial gene expression in eukaryotes. Uncovering this knowledge will inform us fundamental design principles to deliver robust cell factories and enable the design of reprogrammable and predictable biological systems for intelligent biomanufacturing, smart therapeutics or precision medicine in the foreseeable future.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».