Serial adaptive laboratory evolution enhances mixed carbon metabolic capacity of Escherichia coli

生物生产 大肠杆菌 碳源 丙酮 甘油 碳纤维 化学 拉伤 生物 计算生物学 生物化学 计算机科学 基因 发酵 算法 复合数 解剖
作者
Kangsan Kim,Donghui Choe,Minjeong Kang,Sang-Hyeok Cho,Suhyung Cho,Suhyung Cho,Suhyung Cho,Ki Jun Jeong,Bernhard Ørn Palsson,Byung‐Kwan Cho
出处
期刊:Metabolic Engineering [Elsevier BV]
卷期号:83: 160-171 被引量:5
标识
DOI:10.1016/j.ymben.2024.04.004
摘要

Microbes have inherent capacities for utilizing various carbon sources, however they often exhibit sub-par fitness due to low metabolic efficiency. To test whether a bacterial strain can optimally utilize multiple carbon sources, Escherichia coli was serially evolved in L-lactate and glycerol. This yielded two end-point strains that evolved first in L-lactate then in glycerol, and vice versa. The end-point strains displayed a universal growth advantage on single and a mixture of adaptive carbon sources, enabled by a concerted action of carbon source-specialists and generalist mutants. The combination of just four variants of glpK, ppsA, ydcI, and rph-pyrE, accounted for more than 80% of end-point strain fitness. In addition, machine learning analysis revealed a coordinated activity of transcriptional regulators imparting condition-specific regulation of gene expression. The effectiveness of the serial adaptive laboratory evolution (ALE) scheme in bioproduction applications was assessed under single and mixed-carbon culture conditions, in which serial ALE strain exhibited superior productivity of acetoin compared to ancestral strains. Together, systems-level analysis elucidated the molecular basis of serial evolution, which hold potential utility in bioproduction applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
丘比特的应助被文文的冰冰采纳,获得10
1秒前
老干部发布了新的文献求助10
1秒前
吱吱完成签到,获得积分10
1秒前
1秒前
大模型的应助被aimuqiu采纳,获得10
3秒前
希望天下0贩的0的应助被yff采纳,获得10
4秒前
吱吱发布了新的文献求助10
4秒前
4秒前
疯狂的半邪完成签到 ,获得积分10
4秒前
麋路完成签到,获得积分10
5秒前
6秒前
打打的应助被书文混四方采纳,获得10
6秒前
阳子发布了新的文献求助10
7秒前
土衣烬完成签到,获得积分10
7秒前
秋风的应助被ZJY采纳,获得10
7秒前
白柠ovo完成签到 ,获得积分10
8秒前
秋风的应助被lks采纳,获得20
8秒前
彭于晏的应助被满意的谷槐采纳,获得10
8秒前
9秒前
9秒前
xmhxpz发布了新的文献求助10
9秒前
11秒前
领导范儿的应助被小江采纳,获得10
11秒前
秋风的应助被科研通管家采纳,获得20
11秒前
赵晓宇发布了新的文献求助10
11秒前
乐乐的应助被科研通管家采纳,获得10
11秒前
无花果的应助被科研通管家采纳,获得10
11秒前
乐乐的应助被瓢瓢采纳,获得10
11秒前
今后的应助被科研通管家采纳,获得10
11秒前
小蘑菇的应助被科研通管家采纳,获得10
12秒前
ding的应助被科研通管家采纳,获得10
12秒前
molihuakai的应助被科研通管家采纳,获得10
12秒前
酷波er的应助被科研通管家采纳,获得10
12秒前
研友_VZG7GZ的应助被科研通管家采纳,获得20
12秒前
SciGPT的应助被丰富芷蕊采纳,获得10
12秒前
null的应助被科研通管家采纳,获得10
12秒前
研友_VZG7GZ的应助被科研通管家采纳,获得10
12秒前
桐桐的应助被科研通管家采纳,获得10
13秒前
13秒前
Lubenwei1123的应助被科研通管家采纳,获得10
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 600
Cellulose and Cellulose Derivatives: Synthesis, Modification and Applications 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8141329
求助须知:如何正确求助?哪些是违规求助? 9541273
关于积分的说明 21644899
捐赠科研通 7725382
什么是DOI,文献DOI怎么找? 3421302
关于科研通互助平台的介绍 2546506
邀请新用户注册赠送积分活动 2463471