MétaCan
Menu
Retour à la cohorte
Enregistrement W4413020405 · doi:10.1016/j.biotechadv.2025.108684

Brews, fuels, and opioids: Expanding the yeast Ehrlich pathway for chemical and pharmaceutical manufacturing

2025· review· en· W4413020405 sur OpenAlexafffund
Anastasia E.C. Rumpl, Joshua R. Goodhew, Paul A. Kelly, Michael E. Pyne

Notice bibliographique

RevueBiotechnology Advances · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant biochemistry and biosynthesis
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésYeastChemistryBusinessPharmacologyMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

The Ehrlich pathway is a catabolic process that imparts Saccharomyces cerevisiae and other yeasts with the ability to utilize branched-chain and aromatic amino acids as a source of nitrogen. Using this route, amino acids are transaminated to α-keto acids and the liberated ammonia is utilized for assimilatory reactions. This process leaves behind an array of aliphatic and aromatic carbon skeletons (fusel metabolites) that have found a multitude of uses in the production of flavors, chemicals, and pharmaceuticals. This review provides an update on the genetics and biochemistry of the Ehrlich pathway with an emphasis on the biotechnological valorization of fusel metabolites. We outline the impact of fusel metabolism on the organoleptic properties of fermented beverages and recap ongoing efforts to repurpose the Ehrlich pathway for production of advanced biofuels. We also highlight recent activity directed at producing opioids and other plant benzylisoquinolines, as well as engineering new-to-nature alkaloids by rewiring the yeast Ehrlich pathway. Collectively, these efforts have stimulated a deeper understanding of yeast fusel metabolism and opened new opportunities for biomanufacturing using conventional and non-conventional yeasts.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,019
Tête enseignante GPT0,314
Écart entre enseignants0,296 · 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
GenreSynthèse

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

En bref

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology AdvancesMême sujetPlant biochemistry and biosynthesisTravaux en français237 207