MétaCan
Menu
Retour à la cohorte
Enregistrement W3193752727 · doi:10.1021/acs.jafc.1c03256

Improving the Production of Punicic Acid in Baker’s Yeast by Engineering Genes in Acyl Channeling Processes and Adjusting Precursor Supply

2021· article· en· W3193752727 sur OpenAlexafffund
Juli Wang, Yang Xu, Roman Holič, Xiaochen Yu, Stacy D. Singer, Guanqun Chen

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFungal and yeast genetics research
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesDiamond VCanada Research ChairsAgentúra Ministerstva Školstva, Vedy, Výskumu a Športu SRSlovenská Akadémia ViedResults Driven Agriculture Research
Mots-clésYeastChemistryMetabolic engineeringBiochemistryBiosynthesisProduction (economics)Food scienceGeneBiotechnologyBiology

Résumé

récupéré en direct d'OpenAlex

Punicic acid (PuA) is a high-value edible conjugated fatty acid with strong bioactivities and has important potential applications in nutraceutical, pharmaceutical, feeding, and oleochemical industries. Since the production of PuA is severely limited by the fact that its natural source (pomegranate seed oil) is not readily available on a large scale, there is considerable interest in understanding the biosynthesis and accumulation of this plant-based unusual fatty acid in transgenic microorganisms to support the rational design of biotechnological approaches for PuA production via fermentation. Here, we tested the effectiveness of genetic engineering and precursor supply in PuA production in the model yeast strain Saccharomyces cerevisiae . The results revealed that the combination of precursor feeding and co-expression of selected genes in acyl channeling processes created an effective “push–pull” approach to increase PuA content, which could prove valuable in future efforts to produce PuA in industrial yeast and other microorganisms via fermentation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), 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

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFungal and yeast genetics researchTravaux en français237 207