MétaCan
Menu
Retour à la cohorte
Enregistrement W3210452394 · doi:10.1186/s13068-021-02057-y

CRISPR/Cas9-mediated genome editing directed by a 5S rRNA–tRNAGly hybrid promoter in the thermophilic filamentous fungus Humicola insolens

2021· article· en· W3210452394 sur OpenAlexaff
Chao Fan, Wei Zhang, Xiaoyun Su, Wangli Ji, Huiying Luo, Yuhong Zhang, Bo Liu, Bin Yao, Huoqing Huang, Xinxin Xu

Notice bibliographique

RevueBiotechnology for Biofuels · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensBiotechnology Research Institute
Organismes subventionnairesNational Key Research and Development Program of ChinaAgricultural Science and Technology Innovation ProgramChinese Academy of Sciences
Mots-clésThermophileBiologyCRISPRGeneticsGenome editingGenomeRibosomal RNAComputational biologyGeneBacteria

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Humicola insolens is a filamentous fungus with high potential of producing neutral and heat- and alkali-resistant cellulase. However, the genetic engineering tools, particularly the genome-editing tool, are scarce, hindering the study of cellulase expression regulation in this organism. RESULTS: promoter. This system is superior to the HDV (hepatitis delta virus) system in genome editing, allowing highly efficient single gene destruction in H. insolens with rates of deletion up to 84.1% (37/44). With this system, a putative pigment synthesis gene pks and the transcription factor xyr1 gene were disrupted with high efficiency. Moreover, the extracellular protein concentration and cellulase activity largely decreased when xyr1 was deleted, demonstrating for the first time that Xyr1 plays an important role in cellulase expression regulation. CONCLUSIONS: The established CRISPR/Cas9 system is a powerful genetic operation tool for H. insolens, which will accelerate studies on the regulation mechanism of cellulase expression and engineering of H. insolens for higher cellulase production.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,119
Score d'incertitude au seuil1,000

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 recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,262
Écart entre enseignants0,255 · 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.

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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology for BiofuelsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207