Functional characterization of fungal lytic polysaccharide monooxygenases for cellulose surface oxidation
Notice bibliographique
Résumé
BACKGROUND: Microbial lytic polysaccharide monooxygenases (LPMOs) cleave diverse biomass polysaccharides, including cellulose and hemicelluloses, by initial oxidation at C1 or C4 of glycan chains. Within the Carbohydrate-Active Enzymes (CAZy) classification, Auxiliary Activity Family 9 (AA9) comprises the first and largest group of fungal LPMOs, which are often also found in tandem with non-catalytic carbohydrate-binding modules (CBMs). LPMOs originally attracted attention for their ability to potentiate complete biomass deconstruction to monosaccharides. More recently, LPMOs have been applied for selective surface modification of insoluble cellulose and chitin. RESULTS: To further explore the catalytic diversity of AA9 LPMOs, over 17,000 sequences were extracted from public databases, filtered, and used to construct a sequence similarity network (SSN) comprising 33 phylogenetically supported clusters. From these, 32 targets were produced successfully in the industrial filamentous fungus Aspergillus niger, 25 of which produced detectable LPMO activity. Detailed biochemical characterization of the eight most highly produced targets revealed individual C1, C4, and mixed C1/C4 regiospecificities of cellulose surface oxidation, different redox co-substrate preferences, and CBM targeting effects. Specifically, the presence of a CBM correlated with increased formation of soluble oxidized products and a more localized pattern of surface oxidation, as indicated by carbonyl-specific fluorescent labeling. On the other hand, LPMOs without native CBMs were associated with minimal release of soluble products and comparatively dispersed oxidation pattern. CONCLUSIONS: This work provides insight into the structural and functional diversity of LPMOs, and highlights the need for further detailed characterization of individual enzymes to identify those best suited for cellulose saccharification versus surface functionalization toward biomaterials applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».