Designing a robust whole-cell biosensor for detection of toxic metals using intein splicing inhibition of <i>Mycobacterium tuberculosis</i> SufB protein
Notice bibliographique
Résumé
Abstract Disruption of the natural geochemical cycle by human activities has led to bioaccumulation of metals, posing a global health threat. Hence, there is a pressing need for simple, sensitive, yet eco-friendly biosensor setups to monitor metal contamination in the environment. Existing biosensors are limited by poor efficiency, stability issues, and complex instrumentation requiring skilled operators. To address these caveats, current study explores how intein-mediated protein splicing, a spontaneous post-translational process, can be adapted for metal-biosensing by coupling metal-dependent splicing inhibition to viability loss of native microbial cells. Toxic metal ions like Cd 2₊ and Hg 2₊ attenuated the splicing activity of Mtb SufB precursor protein over a concentration range of 25 µM to 2 mM, while Pb 2₊ and Cr 3₊ failed to do so. An innovative biosensor platform was designed for colorimetric detection of metal ions via simple Alamar Blue assay, where attenuated Mtb strain (H37Ra) served as the indicator cells. Metal-induced SufB splicing inhibition led to loss of viability of H37Ra cells, while addition of metal-specific chelators reversed the effect. Multiplexing ability was evaluated by including known splicing inhibitors like Cu 2₊ , Zn 2₊ , and Pt 4₊ over various concentration range alongside Cd 2₊ and Hg 2₊ . The simple 96-well plate format enables multiplexed qualitative metal detection, while colorimetric absorbance measurement ensures metal quantification. The designed biosensor offers low-cost, user-friendly, and sensitive assay for high-throughput metal detection, utilizing whole-cell native organisms carrying metal-sensing precursor protein. Thus, this approach can be implemented in standard biological laboratories for robust metal screening process in environmental and industrial effluents.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».