An automated high-throughput lighting system for screening photosynthetic microorganisms in plate-based formats
Notice bibliographique
Résumé
The capacity of photosynthetic microorganisms to fix carbon dioxide into biomass positions them as promising cell factories for sustainable biomanufacturing. However, limitations in screening throughput hinder the identification of enzymes, strains, and growth conditions needed to realize this potential. Here we present a microplate-based high-throughput cultivation system that can be integrated into existing automation infrastructure and supports growth of both prokaryotic and eukaryotic photosynthetic microorganisms. We validate this system by optimizing BG-11 medium compositions for Synechococcus elongatus UTEX 2973, Chlamydomonas reinhardtii UTEX 90 and Nostoc hatei CUBC1040, resulting in growth rates increases of 38.4% to 61.6%. We also identify small molecules that influence growth rates in Synechococcus elongatus UTEX 2973, including candidate compounds for growth rate increase and dozens that prevent growth. The sensitivity, throughput, and extensibility of this system support screening, strain isolation, and growth optimization needed for the development of photosynthetic microbial cell factories. A high-throughput cultivation system enables users to leverage existing infrastructure and expands the range of applications in functional screening, strain isolation, and growth optimization for the development of photosynthetic microbial cell factories.
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 | 0,001 | 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 ».