Monolignol export by diffusion down a polymerization-induced concentration gradient
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lignin, the second most abundant biopolymer, is a promising renewable energy source and chemical feedstock. A key element of lignin biosynthesis is unknown: how do lignin precursors (monolignols) get from inside the cell out to the cell wall where they are polymerized? Modeling indicates that monolignols can passively diffuse through lipid bilayers, but this has not been tested experimentally. We demonstrate significant monolignol diffusion occurs when laccases, which consume monolignols, are present on one side of the membrane. We hypothesize that lignin polymerization could deplete monomers in the wall, creating a concentration gradient driving monolignol diffusion. We developed a two-photon microscopy approach to visualize lignifying Arabidopsis thaliana root cells. Laccase mutants with reduced ability to form lignin polymer in the wall accumulated monolignols inside cells. In contrast, active transport inhibitors did not decrease lignin in the wall and scant intracellular phenolics were observed. Synthetic liposomes were engineered to encapsulate laccases, and monolignols crossed these pure lipid bilayers to form polymer within. A sink-driven diffusion mechanism explains why it has been difficult to identify genes encoding monolignol transporters and why the export of varied phenylpropanoids occurs without specificity. It also highlights an important role for cell wall oxidative enzymes in monolignol export.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle