MétaCan
Menu
Retour à la cohorte
Enregistrement W4417150491 · doi:10.1021/acs.jafc.5c10790

Enhanced Mannan Production of <i>Saccharomyces cerevisiae</i> by CRISPR/Cas9 and Mannoproteins Characteristics on Wine Astringency Modulation

2025· article· en· W4417150491 sur OpenAlexaff
Xu Zhang, Pengtao Zhao, Danye Zhu, Yonghong Meng, Fugang Xiao, Xiaoyu Wang

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensInstitute of Aging
Organismes subventionnairesKey Research and Development Program of NingxiaNational Natural Science Foundation of China
Mots-clésMannanWineMonosaccharidePolysaccharideYeastPolyol

Résumé

récupéré en direct d'OpenAlex

Mannoproteins are critical in modulating wine astringency, yet the specific impacts of their monosaccharide ratio and side-chain structure remain insufficiently explored. This study employed CRISPR/Cas9 to engineer yeast strains producing mannoproteins with either a high mannose-to-glucose ratio (high-yield-mannan strain BSFA12) or a nonbranched N -glycan structure (BY4741-ΔMNN2). The resulting mannoproteins (MP BSFA, MP BY2 ) were compared against controls (MP BY extracted from Saccharomyces cerevisiae BY4741, a commercial product MP 60 ) using physicochemical analyses (fluorescence quenching, dynamic light scattering, and isothermal titration calorimetry) and sensory evaluation. Both engineered variants demonstrated superior astringency reduction in model and red wines. Our results establish that an increased mannose-to-glucose ratio and reduced N -glycosylation significantly enhance the astringency-mitigating effect, providing a foundation for the industrial-scale production and application of mannoprotein additives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,173

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFermentation and Sensory AnalysisTravaux en français237 207