MétaCan
Menu
Retour à la cohorte
Enregistrement W4412216851

Design of RNA-based condensates for enzymatic pathway engineering:Ph.D. Dissertation by Martin Vincent Gobry

2024· article· en· W4412216851 sur OpenAlexaff
Martin Vincent Gobry

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueViral Infectious Diseases and Gene Expression in Insects
Établissements canadiensiNano Medical (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnzymeRNAChemistryBiochemistryGene
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Engineering cell factories is central for the production of numerous pharmaceutical and food-related compounds. However, maintaining the host cell’s homeostasis while driving the expression of an exogenous metabolic pathway poses significant challenges. One promising strategy to enhance metabolic efficiency is the clustering and up-concentration of enzymes within microcompartments, which can improve yield and provide better control over metabolic rates. The scope of this PhD project was to develop artificial microcompartments in the form of modular RNA phase-separating scaffolds, capable of recruiting and clustering proteins to offer a new tool for enzymatic pathway control. Two distinct approaches to phase-separating RNA were explored: "RNA nanostars" and "Trinucleotide Repeat Sequences. RNA nanostars are three-way junction single-stranded RNAs equipped with kissing loops at the end of each arm, enabling them to phase-separate co-transcriptionally through internanostar kissing loop interactions. A key advancement in this work was the development of a switchable kissing loop, allowing for controlled condensate formation and dissolution via a strand-displacement mechanism targeting the kissing loop interactions. Additionally, the controlled clustering of proteins was investigated using a nanostar design with an extra arm carrying a protein-binding aptamer. We characterised the recruitment of cargo fluorescent proteins fused to RNA-binding domains to these RNA condensates, which involved optimisation of the nanostar designs, with particular focus on the arm length. Furthermore, trinucleotide repeat sequences (e.g., CAG ×47 repeats), known for their inherent ability to condensate, were optimized for cloning and expression in yeast. These trinucleotide repeat-based condensates were functionalised by incorporating protein-binding aptamer arrays to recruit fluorescent proteins and enzymes for pathway compartmentalisation. Overall, we characterised the RNA scaffolds in vitro before initiating preliminary work on the expression of nanostar- and trinucleotide repeat-based condensates in E. coli and S. cerevisiae, respectively. Bridging the gap between in vitro and cellular expression proved particularly challenging, but significantly advanced our understanding of RNA-based condensate behavior in vivo.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,007
Tête enseignante GPT0,255
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetViral Infectious Diseases and Gene Expression in InsectsTravaux en français237 207