MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399209148 · doi:10.1038/s41598-024-61980-w

Fluorescent riboswitch-controlled biosensors for the genome scale analysis of metabolic pathways

2024· article· en· W4399209148 sur OpenAlexafffund
Annie Michaud, Daniel Garneau, Jean‐Philippe Côté, Daniel A. Lafontaine

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec
Mots-clésRiboswitchComputational biologyReporter geneMetabolomicsBiosensorFluorescenceMetaboliteBiologyGeneBiochemistryChemistryGene expressionBioinformaticsNon-coding RNA

Résumé

récupéré en direct d'OpenAlex

Fluorescent detection in cells has been tremendously developed over the years and now benefits from a large array of reporters that can provide sensitive and specific detection in real time. However, the intracellular monitoring of metabolite levels still poses great challenges due to the often complex nature of detected metabolites. Here, we provide a systematic analysis of thiamin pyrophosphate (TPP) metabolism in Escherichia coli by using a TPP-sensing riboswitch that controls the expression of the fluorescent gfp reporter. By comparing different combinations of reporter fusions and TPP-sensing riboswitches, we determine key elements that are associated with strong TPP-dependent sensing. Furthermore, by using the Keio collection as a proxy for growth conditions differing in TPP levels, we perform a high-throughput screen analysis using high-density solid agar plates. Our study reveals several genes whose deletion leads to increased or decreased TPP levels. The approach developed here could be applicable to other riboswitches and reporter genes, thus representing a framework onto which further development could lead to highly sophisticated detection platforms allowing metabolic screens and identification of orphan riboswitches.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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'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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetRNA and protein synthesis mechanisms→Travaux en français237 207→