Isoprenoid Metabolism and Engineering in Glandular Trichomes of Lamiaceae
Notice bibliographique
Résumé
The isoprenoids play important ecological and physiological roles in plants. They also have a tremendous impact on human lives as food additives, medicines, and industrial raw materials, among others. Though some isoprenoids are highly abundant in nature, plants produce many at extremely low levels. Glandular trichomes (GT), which cover the aerial parts of more than 25% of vascular plants, have been considered as natural biofactories for the mass production of rare industrially important isoprenoids. In several plant genera (e.g., Lavandula and Mentha ), GTs produce and store large quantities of the low molecular weight isoprenoids, in particular mono- and sesquiterpenes, as essential oil constituents. Within each trichome, a group of secretory cells is specialized to strongly and specifically express isoprenoid biosynthetic genes, and to synthesize and deposit copious amounts of terpenoids into the trichome’s storage reservoir. Despite the abundance of certain metabolites in essential oils and defensive resins, plants, particularly those lacking glandular trichomes, accumulate small quantities of many of the biologically active and industrially important isoprenoids. Therefore, there is a pressing need for technologies to enable the mass production of such metabolites, and to help meet the ever-increasing demand for plant-based bioproducts, including medicines and renewable materials. Considerable contemporary research has focused on engineering isoprenoid metabolism in GTs, with the goal of utilizing them as natural biofactories for the production of valuable phytochemicals. In this review, we summarize recent advances related to the engineering of isoprenoid biosynthetic pathways in glandular trichomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».