Global survey of secondary metabolism in <i>Aspergillus niger</i> via activation of specific transcription factors
Notice bibliographique
Résumé
Abstract Genomics analysis confirmed the status of the filamentous fungi as a rich source of novel secondary metabolites; however, the discovery of these compounds is hampered by the cryptic nature of their biosynthetic pathways under laboratory conditions. Consequently, despite substantial research effort over the past decades, much of the secondary metabolome remains uncharacterized in fungal organisms. Our manual curation of biosynthetic gene clusters (BGCs) in the Aspergillus niger NRRL3 genome revealed that only 13 of 86 BGCs have had their cognate secondary metabolite products confirmed or reliably inferred. We also identified 60 transcription factors associated with cryptic BGCs. To further characterize A. niger secondary metabolism, we created a collection of strains each overexpressing a single BGC-associated transcription factor. We analyzed the strain collection using a standardized pipeline where we monitored phenotypic changes and compound production using mass spectrometry. Strains showing evidence of secondary metabolism activation were selected for gene expression analysis. Our approach resulted in the production of multiple potentially novel secondary metabolites and linked a specific BGC to tensidol production in A. niger. More broadly, this study found evidence counter to the existing paradigm of BGC expression controlled by co-localized transcription factors, lending credence to the emerging picture of a complex regulatory network governing fungal secondary metabolism. Significance Statement Fungi produce an array of chemically diverse compounds that are routinely found to harbour valuable bioactivity. The products of secondary metabolism, these compounds have been a source of antimicrobials, anti-cancer agents, and other biopharmaceutical compounds termed natural products. Despite their demonstrated economic value, much is still unknown about the biosynthesis, regulation, and identities of these compounds. This study adopted a genome-wide approach to improve our understanding of the regulatory mechanisms that control fungal secondary metabolism, improving our ability to investigate the pathways responsible for natural product production.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».