MétaCan
Menu
Retour à la cohorte
Enregistrement W4313260498 · doi:10.3390/fermentation9010014

A Toolkit for Effective and Successive Genome Engineering of Escherichia coli

2022· article· en· W4313260498 sur OpenAlexafffund
Bahareh Sadat Arab, Adam Westbrook, Murray Moo‐Young, C. Perry Chou

Notice bibliographique

RevueFermentation · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRecombineeringCRISPRGenome engineeringTransposable elementBiologyGenome editingPlasmidTransposon mutagenesisGenomeCas9GeneticsEscherichia coliGeneComputational biology

Résumé

récupéré en direct d'OpenAlex

The bacterium Escherichia coli has been well-justified as an effective workhorse for industrial applications. In this study, we developed a toolkit for flexible genome engineering of this microorganism, including site-specific insertion of heterologous genes and inactivation of endogenous genes, such that bacterial hosts can be effectively engineered for biomanufacturing. We first constructed a base strain by genomic implementation of the cas9 and λRed recombineering genes. Then, we constructed plasmids for expressing gRNA, DNA cargo, and the Vibrio cholerae Tn6677 transposon and type I-F CRISPR-Cas machinery. Genomic insertion of a DNA cargo up to 5.5 kb was conducted using a transposon-associated CRISPR-Cas system, whereas gene inactivation was mediated by a classic CRISPR-Cas9 system coupled with λRed recombineering. With this toolkit, we can exploit the synergistic functions of CRISPR-Cas, λRed recombineering, and Tn6677 transposon for successive genomic manipulations. As a demonstration, we used the developed toolkit to derive a plasmid-free strain for heterologous production of poly(3-hydroxybutyrate-co-3-hydroxyvalerate) (PHBV) by genomic knock-in and knockout of several key genes with high editing efficiencies.

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 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 enseignants0,083
Score d'incertitude au seuil0,220

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 recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,267
Écart entre enseignants0,263 · 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.

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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFermentationMême sujetCRISPR and Genetic EngineeringTravaux en français237 207