Computational analysis into the potential of azo dyes as a feedstock for actinorhodin biosynthesis in Pseudomonas putida
Notice bibliographique
Résumé
Fermentation-based biosynthesis in synthetic biology relies heavily on sugar-derived feedstocks, a limited and carbon-intensive commodity. Unconventional feedstocks from less-noble sources such as waste are being utilized to produce high-value chemical products. Azo dyes, a major pollutant commonly discharged by food, textile, and pharmaceutical industries, present significant health and environmental risks. We explore the potential of engineering Pseudomonas putida KT2440 to utilize azo dyes as a substrate to produce a polyketide, actinorhodin (ACT). Using the constrained minimal cut sets (cMCS) approach, we identified metabolic interventions that optimize ACT biosynthesis and compare the growth-coupling solutions attainable on an azo dye compared to glucose. Our results predicted that azo dyes could perform better as a feedstock for ACT biosynthesis than glucose as it allowed growth-coupling regimes that are unfeasible with glucose and generated an 18.28% higher maximum ACT flux. By examining the flux distributions enabled in different carbon sources, we observed that carbon fluxes from aromatic compounds like azo dyes have a unique capability to leverage gluconeogenesis to support both growth and production of secondary metabolites that produce excess NADH. Carbon sources are commonly chosen based on the host organism, availability, cost, and environmental implications. We demonstrated that careful selection of carbon sources is also crucial to ensure that the resulting flux distribution is suitable for further metabolic engineering of microbial cell factories.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».