MétaCan
Menu
Retour à la cohorte
Enregistrement W4403302285 · doi:10.3390/synbio2040022

Membrane Engineering for Carotenoid Production in Escherichia coli

2024· article· en· W4403302285 sur OpenAlexafffund
J. Li, Eileen Bates, Dylan Perera, Andreea M. Palage, Valerie C. A. Ward

Notice bibliographique

RevueSynBio · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEscherichia coliCarotenoidProduction (economics)Metabolic engineeringFood scienceChemistryBiochemical engineeringBiochemistryEngineeringGeneEconomics

Résumé

récupéré en direct d'OpenAlex

Carotenoids are a class of highly hydrophobic compounds synthesized by plants in limited quantities. This study explores the potential for increasing the production yield of lycopene, a typical carotenoid compound, through engineered Escherichia coli. Given that lycopene biosynthesis occurs within microbial hosts and it is subsequently stored within lipid membranes, this study focuses on the impact of inducing membrane vesicles on lycopene yield by expressing monoglycosyldiacylglycerol synthase (MGS) or diglucosyldiacylglycerol synthase (DGS) from Acholeplasma laidlawii and inserting the upstream isopentenol utilization pathway (IUP) into the chromosome. The effect of MGS and DGS on lipid production in the cell was quantified. The results show that inserting the IUP into the chromosome increased the specific lycopene yield by 2.1-fold compared to the plasmid-based system when using a PproD constitutive promoter and by 2.0-fold when using the inducible Ptrc promoter. The expression of MGS and DGS resulted in a small increase of 31% and 33% (w/w) lipid content, respectively. When expressed in lycopene producing strains, the lycopene content decreased in the IUP strains but increased in the negative control strain expressing only the native MEP pathway from undetectable levels to 0.34 ± 0.08 mg/g.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,224
Écart entre enseignants0,218 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSynBioMême sujetPhotosynthetic Processes and MechanismsTravaux en français237 207