Identifying sesterterpenoids via feature-based molecular networking and small-scale fermentation
Notice bibliographique
Résumé
Terpenoids are known for their diverse structures and broad bioactivities with significant potential in pharmaceutical applications. However, natural products with low yields are usually ignored in traditional chemical analysis. Feature-based molecular networking (FBMN) was developed recently to cluster compounds with similar skeletons, which can highlight trace amounts of unknown compounds. Fusoxypene A is a sesterterpene synthesized by Fusarium oxysporum fusoxypene synthase (FoFS) with a unique 5/6/7/3/5 ring system. In this study, the FoFS-containing biosynthetic gene cluster was identified from F. oxysporum FO14005, and an efficient FBMN-based strategy was established to characterize four new sesterterpenoids, fusoxyordienoid A-D (1-4), based on a small-scale fermentation strategy. A cytochrome P450 monooxygenase, FusB, was found to be involved in the functionalization of fusoxypene A at C-17 and C-24 and responsible for the hydroxylation of fusoxyordienoid A at C-1 and C-8. This study highlights the potential of FBMN as a powerful tool for the discovery and characterization of natural compounds with low abundance. KEY POINTS: Combined small-scale fermentation and FBMN for rapid discovery of fusoxyordienoids Characterization of four new fusoxyordienoids with 5/6/7/3/5 ring system Biosynthetic pathway elucidation via tandem expression and substrate feeding.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».