MétaCan
Menu
Retour à la cohorte
Enregistrement W4387006454 · doi:10.1101/2023.09.25.559291

<i>Escherichia coli</i> adapts metabolically to 6- and 7-fluoroindole, enabling proteome-wide fluorotryptophan substitution

2023· preprint· en· W4387006454 sur OpenAlexaff
Christin Treiber-Kleinke, Allison Berger, Lorenz Adrian, Nediljko Budiša, Beate Koksch

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueEnzyme Structure and Function
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEscherichia coliProteomeAdaptation (eye)MicroorganismBacteriaIndole testTryptophanChemistryBiochemistryBiologyAmino acidComputational biologyCombinatorial chemistryGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Nature has scarcely evolved a biochemistry around fluorine. However, modern science proved fluorinated organic molecules to be suitable building blocks for biopolymers, from peptides and proteins up to entire organisms. Here, we conducted adaptive laboratory evolution (ALE) experiments to introduce fluorine into living microorganisms. By cultivating Escherichia coli with fluorinated indole analogues, we successfully evolved microbial cells capable of utilizing either 6-fluoroindole or 7-fluoroindole for growth. Our improved ALE protocols enabled us to overcome previous challenges and achieve consistent and complete adaptation of microbial populations to these unnatural molecules. In the ALE experiments, we supplied fluoroindoles to auxotrophic E. coli bacteria, exerting strong selective pressure that led to microbial adaptation and growth on monofluorinated indoles. Within the cells, these indoles were converted into corresponding amino acids (6- and 7-fluorotryptophan) and incorporated into the proteome at tryptophan sites. This study is a first step and establishes a strong foundation for further exploration of the mechanisms underlying fluorine-based life and how a formerly stressor (fluorinated indole) becomes a vital nutrient. Abstract Figure

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,067
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,222
Écart entre enseignants0,204 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetEnzyme Structure and FunctionTravaux en français237 207