MétaCan
Menu
Retour à la cohorte
Enregistrement W4378229053 · doi:10.1002/elsc.202200133

Engineered nickel bioaccumulation in <i>Escherichia coli</i> by NikABCDE transporter and metallothionein overexpression

2023· article· en· W4378229053 sur OpenAlexaff
Patrick Diep, Heping Shen, Julian A. Wiesner, Nadia Mykytczuk, Vladimiros G. Papangelakis, Alexander F. Yakunin, Radhakrishnan Mahadevan

Notice bibliographique

RevueEngineering in Life Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChromium effects and bioremediation
Établissements canadiensLaurentian UniversityCentre for Excellence in Mining InnovationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBioaccumulationMetallothioneinEffluentEscherichia coliEnvironmental chemistryChemistryWastewaterEnvironmental engineeringCadmiumEnvironmental scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Mine wastewater often contains dissolved metals at concentrations too low to be economically extracted by existing technologies, yet too high for environmental discharge. The most common treatment is chemical precipitation of the dissolved metals using limestone and subsequent disposal of the sludge in tailing impoundments. While it is a cost‐effective solution to meet regulatory standards, it represents a lost opportunity. In this study, we engineered Escherichia coli to overexpress its native NikABCDE transporter and a heterologous metallothionein to capture nickel at concentrations in local effluent streams. We found the engineered strain had a 7‐fold improvement in the bioaccumulation performance for nickel compared to controls, but also observed a drastic decrease in cell viability due to metabolic burden or inducer (IPTG) toxicity. Growth kinetic analysis revealed the IPTG concentrations used based on past studies lead to growth inhibition, thus delineating future avenues for optimization of the engineered strain and its growth conditions to perform in more complex environments.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering in Life SciencesMême sujetChromium effects and bioremediationTravaux en français237 207