Burden Imposed by Heterologous Protein Production in Two Major Industrial Yeast Cell Factories: Identifying Sources and Mitigation Strategies
Notice bibliographique
Résumé
Production of heterologous proteins, especially biopharmaceuticals and industrial enzymes, in living cell factories consumes cellular resources. Such resources are reallocated from normal cellular processes toward production of the heterologous protein that is often of no benefit to the host cell. This competition for resources is a burden to host cells, has a negative impact on cell fitness, and may consequently trigger stress responses. Importantly, this often causes a reduction in final protein titers. Engineering strategies to generate more burden resilient production strains offer sustainable opportunities to increase production and profitability for this growing billion-dollar global industry. We review recently reported impacts of burden derived from resource competition in two commonly used protein-producing yeast cell factories: Saccharomyces cerevisiae and Komagataella phaffii (syn. Pichia pastoris ). We dissect possible sources of burden in these organisms, from aspects related to genetic engineering to protein translation and export of soluble protein. We also summarize advances as well as challenges for cell factory design to mitigate burden and increase overall heterologous protein production from metabolic engineering, systems biology, and synthetic biology perspectives. Lastly, future profiling and engineering strategies are highlighted that may lead to constructing robust burden-resistant cell factories. This includes incorporation of systems-level data into mathematical models for rational design and engineering dynamical regulation circuits in production strains.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».