Genome-Based Analysis of Verticillium Polyketide Synthase Gene Clusters
Notice bibliographique
Résumé
Polyketides are structurally diverse and physiologically active secondary metabolites produced by many organisms, including fungi. The biosynthesis of polyketides from acyl-CoA thioesters is catalyzed by polyketide synthases, PKSs. Polyketides play roles including in cell protection against oxidative stress, non-constitutive (toxic) roles in cell membranes, and promoting the survival of the host organisms. The genus Verticillium comprises many species that affect a wide range of organisms including plants, insects, and other fungi. Many are known as causal agents of Verticillium wilt diseases in plants. In this study, a comparative genomics approach involving several Verticillium species led us to evaluate the potential of Verticillium species for producing polyketides and to identify putative polyketide biosynthesis gene clusters. The next step was to characterize them and predict the types of polyketide compounds they might produce. We used publicly available sequences from ten species of Verticillium including V. dahliae, V. longisporum, V. nonalfalfae, V. alfalfae, V. nubilum, V. zaregamsianum, V. klebahnii, V. tricorpus, V. isaacii, and V. albo-atrum to identify and characterize PKS gene clusters by utilizing a range of bioinformatic and phylogenetic approaches. We found 32 putative PKS genes and possible clusters in the genomes of Verticillium species. All the clusters appear to be complete and functional. In addition, at least five clusters including putative DHN-melanin-, cytochalasin-, fusarielien-, fujikurin-, and lijiquinone-like compounds may belong to the active PKS repertoire of Verticillium. These results will pave the way for further functional studies to understand the role of these clusters.
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) | 0,000 | 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 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 ».