Evaluating the feasibility of medium-chain oleochemical synthesis using microbial chain elongation
Notice bibliographique
Résumé
Chain elongating bacteria are a unique guild of strictly anaerobic bacteria that have garnered interest for sustainable chemical manufacturing from carbon-rich wet and gaseous waste streams. They produce C6-C8 medium-chain fatty acids, which are valuable platform chemicals that can be used directly, or derivatized to service a wide range of chemical industries. However, the application of chain elongating bacteria for synthesizing products beyond C6-C8 medium-chain fatty acids has not been evaluated. In this study, we assess the feasibility of expanding the product spectrum of chain elongating bacteria to C9-C12 fatty acids, along with the synthesis of C6 fatty alcohols, dicarboxylic acids, diols, and methyl ketones. We propose several metabolic engineering strategies to accomplish these conversions in chain elongating bacteria and utilize constraint-based metabolic modelling to predict pathway stoichiometries, assess thermodynamic feasibility, and estimate ATP and product yields. We also evaluate how producing alternative products impacts the growth rate of chain elongating bacteria via resource allocation modelling, revealing a trade-off between product chain length and class versus cell growth rate. Together, these results highlight the potential for using chain elongating bacteria as a platform for diverse oleochemical biomanufacturing and offer a starting point for guiding future metabolic engineering efforts aimed at expanding their product range. ONE-SENTENCE SUMMARY: In this work, the authors use constraint-based metabolic modelling and enzyme cost minimization to assess the feasibility of using metabolic engineering to expand the product spectrum of anaerobic chain elongating bacteria.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».