MétaCan
Menu
Retour à la cohorte
Enregistrement W3039721477 · doi:10.1038/s41467-020-17172-x

A yeast platform for high-level synthesis of tetrahydroisoquinoline alkaloids

2020· article· en· W3039721477 sur OpenAlexafffund
Michael E. Pyne, Kaspar Kevvai, Parbir S. Grewal, Lauren Narcross, Brian Choi, Leanne Bourgeois, John E. Dueber, Vincent J. J. Martin

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBerberine and alkaloids research
Établissements canadiensConcordia University
Organismes subventionnairesDivision of Molecular and Cellular BiosciencesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les TechnologiesConcordia UniversityNational Science Foundation
Mots-clésBenzylisoquinolineTetrahydroisoquinolineChemical spaceNatural productChemistryMoietyAlkaloidStereochemistryBiosynthesisComputational biologyCombinatorial chemistryBiologyBiochemistryDrug discoveryGene

Résumé

récupéré en direct d'OpenAlex

Abstract The tetrahydroisoquinoline (THIQ) moiety is a privileged substructure of many bioactive natural products and semi-synthetic analogs. Plants manufacture more than 3,000 THIQ alkaloids, including the opioids morphine and codeine. While microbial species have been engineered to synthesize a few compounds from the benzylisoquinoline alkaloid (BIA) family of THIQs, low product titers impede industrial viability and limit access to the full chemical space. Here we report a yeast THIQ platform by increasing production of the central BIA intermediate ( S )-reticuline to 4.6 g L −1 , a 57,000-fold improvement over our first-generation strain. We show that gains in BIA output coincide with the formation of several substituted THIQs derived from amino acid catabolism. We use these insights to repurpose the Ehrlich pathway and synthesize an array of THIQ structures. This work provides a blueprint for building diverse alkaloid scaffolds and enables the targeted overproduction of thousands of THIQ products, including natural and semi-synthetic opioids.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,086
Tête enseignante GPT0,354
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

Citations159
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetBerberine and alkaloids researchTravaux en français237 207