MétaCan
Menu
Retour à la cohorte
Enregistrement W4392375025 · doi:10.1038/s41598-024-54303-6

The minimum energy required to build a cell

2024· article· en· W4392375025 sur OpenAlexafffund
Edwin Ortega-Arzola, Peter M. Higgins, Charles S. Cockell

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesScience and Technology Facilities CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding the energy requirements for cell synthesis accurately and comprehensively has been a longstanding challenge. We introduce a computational model that estimates the minimum energy necessary to build any cell from its constituent parts. This method combines omics and internal cell compositions from various sources to calculate the Gibbs Free Energy of biosynthesis independently of specific metabolic pathways. Our public tool, Synercell, can be used with other models for minumum species-specific energy estimations in any well-sequenced species. The energy for synthesising the genome, transcriptome, proteome, and lipid bilayer of four cell types: Escherichia coli , Saccharomyces cerevisiae , an average mammalian cell and JCVI-syn3A were estimated. Their modelled minimum synthesis energies at 298 K were $$9.54\times 10^{-11}$$ 9.54 × 10 - 11 J/cell, $$4.99\times 10^{-9}$$ 4.99 × 10 - 9 J/cell, $$3.71\times 10^{-7}$$ 3.71 × 10 - 7 J/cell and $$3.69\times 10^{-12}$$ 3.69 × 10 - 12 respectively. Gram-for-gram synthesis of lipid bilayers requires the most energy, followed by the proteome, genome, and transcriptome. The average per gram cost of biomass synthesis is in the 300s of J/g for all four cells. Implications for the generalisability of cell construction and applications to biogeosciences, cellular biology, biotechnology, and astrobiology are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,005
Tête enseignante GPT0,214
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations18
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207