NMR metabolomics of plant and yeast-based hydrolysates for cell culture media applications — A comprehensive assessment
Notice bibliographique
Résumé
Cultivated meat products, generated by growing isolated skeletal muscle and fat tissue, offer the promise of a more sustainable and ethical alternative to traditional meat production. However, with cell culture media used to grow the cells accounting for 55-95% of the overall production cost, achieving true sustainability requires significant media optimization. One means of dealing with these high costs is the use of low-cost complex additives such as hydrolysates to provide a wide range of nutrients, from small molecules (metabolites) to growth factors and peptides. Despite their potential, most hydrolysate products remain poorly characterized and many are thought to suffer from persistent issues of high batch-to-batch variability. Although there have been a number of isolated efforts to determine metabolic profiles for a handful of hydrolysate products, we present the first attempt at a more comprehensive metabolomic characterization of nine different products (four plant and five yeast-based) from two to four different lots each. NMR analysis identified 90 unique metabolites, with only 15 metabolites common to all hydrolysate products (including eight of the nine essential amino acids), and 16 metabolites found in only a single hydrolysate product. The different hydrolysate products were found to have substantial differences in metabolite concentrations (as a fraction of overall mass), ranging from a high of 43% in yeast extract to a low of 14% in soy hydrolysates. The proportion of various metabolites also varied between products, with carbohydrate concentrations particularly high in soy hydrolysates and nucleosides more prominent in two of the yeast products. Overall, yeast extract generally had higher metabolite concentrations than all the other products, whereas both yeast extract and cotton had the largest variety of metabolites. A direct calculation of batch-to-batch variability revealed although there are significant differences between lots, these are largely driven by a relatively small fraction of compounds. This report will hopefully serve as a useful starting point for a more nuanced consideration of hydrolysate products in cell culture media optimization, both in the context of cultivated meat and beyond.
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 ».