Hub Metabolites Promote the Bioflocculant Production in a Biomass-Degrading Bacterium Pseudomonas boreopolis GO2
Notice bibliographique
Résumé
INTRODUCTION: The low yield of bioflocculants has been a bottleneck problem that limits their industrial applications. Understanding the metabolic mechanism of bacteria that produce bioflocculants could provide valuable insights and strategies to directly regulate their yield in future. METHODS: To investigate the change of metabolites in the process of bioflocculant production by a biomass-degrading bacterium, Pseudomonas boreopolis GO2, an untargeted metabolome analysis was performed. RESULTS: The results showed that metabolites significantly differed during the fermentation process when corn stover was used as the sole carbon source. The differential metabolites were divided into four co-expression modules based on the weighted gene co-expression network analysis. Among them, a module (yellow module) was closely related to the flocculating efficiency, and the metabolites in this module were mainly involved in carbohydrate, lipid, and amino acid metabolism. The top 30 metabolites with the highest degree in the yellow module were identified as hub metabolites for bioflocculant production. Finally, 10 hub metabolites were selected to perform the additional experiments, and the addition of L-rhamnose, tyramine, tryptophan, and glutaric acid alone all could significantly improve the flocculating efficiency of GO2 strain. CONCLUSION: These results indicated that the hub metabolites were key for bioflocculant production in GO2 strain, and could help guide the improvement of high-efficiency and low-cost bioflocculant 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 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 | 0,000 |
| 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) | 0,001 | 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 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 ».