Discovery and Enzymatic Screening of Genome-Mined Microbial Levanases to Produce Second-Generation β-(2,6)-Fructooligosaccharides: Catalytic Properties
Notice bibliographique
Résumé
Evidence suggests that β-(2,6)-levan-type fructooligosaccharides (FOSs) possess higher prebiotic potential and selectivity than their β-(2,1)-inulin-type counterparts. The focus of the present work was to develop an enzymatic approach for the synthesis of levan-type FOSs, employing levanases (EC 3.2.1.65), specifically those performing endo-hydrolysis on levans. To identify new levanases, a selection of candidates was obtained via in silico exploration of the levanase family biodiversity through a sequence-driven approach. A collection of 113 candidates was screened according to their specific activities on low- and high-molecular-weight (MW) levan as well as thermal stability. The most active levanases were able to hydrolyze both types of levan with similar efficiency. This ultimately revealed 10 active, highly evolutionary distant and diverse candidate levanases, which demonstrated preferential hydrolysis of levan over inulin. The end-product profile differed significantly depending on levanase with levanbiose, levantriose, and levantetraose being the major FOSs. Among them, the catalytic properties of 5 selected potential new levanases (LEV9 from Belliella Baltica, LEV36 from Dyadobacter fermentans, LEV37 from Capnocytophaga ochracea, LEV79 from Vibrio natriegens, LEV91 from Paenarthrobacter aurescens ) were characterized, especially in terms of pH and temperature profiles, thermal stability, and kinetic parameters. The identification of these novel levanases is expected to contribute to the production of levan-type FOSs with properties surpassing those of commercial preparations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».