Comparative metabolic modeling of multiple sulfate‐reducing prokaryotes reveals versatile energy conservation mechanisms
Notice bibliographique
Résumé
Sulfate-reducing prokaryotes (SRPs) are crucial participants in the cycling of sulfur, carbon, and various metals in the natural environment and in engineered systems. Despite recent advances in genetics and molecular biology bringing a huge amount of information about the energy metabolism of SRPs, little effort has been made to link this important information with their biotechnological studies. This study aims to construct multiple metabolic models of SRPs that systematically compile genomic, genetic, biochemical, and molecular information about SRPs to study their energy metabolism. Pan-genome analysis was conducted to compare the genomes of SRPs, from which a list of orthologous genes related to central and energy metabolism was obtained. Twenty-four SRP metabolic models via the inference of pan-genome analysis were efficiently constructed. The metabolic model of the well-studied model SRP Desulfovibrio vulgaris Hildenborough (DvH) was validated via flux balance analysis (FBA). The DvH model predictions matched reported experimental growth and energy yields, which demonstrated that the core metabolic model worked successfully. Further, steady-state simulation of SRP metabolic models under different growth conditions showed how the use of different electron transfer pathways leads to energy generation. Three energy conservation mechanisms were identified, including menaquinone-based redox loop, hydrogen cycling, and proton pumping. Flavin-based electron bifurcation (FBEB) was also demonstrated to be an essential mechanism for supporting energy conservation. The developed models can be easily extended to other species of SRPs not examined in this study. More importantly, the present work develops an accurate and efficient approach for constructing metabolic models of multiple organisms, which can be applied to other critical microbes in environmental and industrial systems, thereby enabling the quantitative prediction of their metabolic behaviors to benefit relevant applications.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».