MétaCan
Menu
Retour à la cohorte
Enregistrement W2950086965 · doi:10.1093/jxb/ery355

Temperature response of Rubisco kinetics in <i>Arabidopsis thaliana</i> : thermal breakpoints and implications for reaction mechanisms

2018· article· en· W2950086965 sur OpenAlexaff
Ryan A. Boyd, Amanda P. Cavanagh, David S. Kubien, Asaph B. Cousins

Notice bibliographique

RevueJournal of Experimental Botany · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNational Science Foundation
Mots-clésRuBisCOCarboxylationKineticsChemistryArabidopsis thalianaReaction rate constantPhotosynthesisBiochemistryCatalysisPhysicsMutant

Résumé

récupéré en direct d'OpenAlex

Enhancement of Rubisco kinetics could improve photosynthetic efficiency, ultimately resulting in increased crop yield. However, imprecise knowledge of the reaction mechanism and the individual rate constants limits our ability to optimize the enzyme. Membrane inlet mass spectrometry (MIMS) may offer benefits over traditional methods for determining individual rate constants of the Rubisco reaction mechanism, as it can directly monitor concentration changes in CO2, O2, and their isotopologs during assays. However, a direct comparison of MIMS with the traditional radiolabel method of determining Rubisco kinetic parameters has not been made. Here, the temperature responses of Rubisco kinetic parameters from Arabidopsis thaliana were measured using radiolabel and MIMS methods. The two methods provided comparable parameters above 25 °C, but temperature responses deviated at low temperature as MIMS-derived catalytic rates of carboxylation, oxygenation, and CO2/O2 specificity showed thermal breakpoints. Here, we discuss the variability and uncertainty surrounding breakpoints in the Rubisco temperature response and the relevance of individual rate constants of the reaction mechanisms to potential breakpoints.

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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,344

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,277
Écart entre enseignants0,268 · 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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BotanyMême sujetPhotosynthetic Processes and MechanismsTravaux en français237 207