Integration of in silico and experimental approaches for creation of microbial cell factories

Q: 이 논문에서 정의한 Genome-Scale Metabolic reaction Models(GSM)이란 무엇인가?

세포의 전체 유전체 정보를 바탕으로 재구성된 대사 반응 모델을 의미한다. 이는 in silico 접근법을 통해 대사 플럭스를 예측하고 유용한 화합물 생산을 위한 유전자 변형 설계를 수행하는 기초 토대로 활용된다.

Q: 미생물 세포 공장 구축을 위해 in silico 및 실험적 접근법을 통합하는 방법은 무엇인가?

연구 결과, GSM 기반의 Flux Balance Analysis와 13C-labeling 기반의 Metabolic Flux Analysis 및 멀티오믹스 분석을 결합함으로써 대사 경로의 상태를 심층적으로 분석하고 효율적인 유전자 변형 설계가 가능하다.

Hiroshi SHIMIZU

추천

검색

질문

자료유형: 학술대회자료

저자정보: Hiroshi SHIMIZU (Osaka University)

저널정보: 한국생물공학회 한국생물공학회 학술대회 2014 한국생물공학회 춘계학술발표대회 및 국제심포지엄

발행연도: 2014.4

수록면: 92 - 92 (1page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

To establish sustainable societies, it is well recognized that production processes should be sift from petrochemical processes to bioprocesses. Integration of in silico and experimental approaches is highly desired for creation of microbial cell factories. On the basis of whole-genome information, the genome-scale metabolic reaction models (GSM) of cells have been reconstructed for many organisms. Using the GSMs, a reliable prediction of metabolic fluxes is possible by using Flux Balance Analysis (FBA). We reconstructed GSMs of industrially a useful microorganism Corynebacterium glutamicum [Shinfuku et al., 2009] and cyanobacterium Synechocystis sp. [Yoshikawa et al., 2011]. And then, the constructed GSMs are applied to prediction of metabolic fluxes under several environmental conditions and to design of genetic modification for valuable compounds production. A multiple deletion algorithm, FastPros [Ohno, 2013] and a non-native metabolite production design approach, ArtPathDesign [ ... 전체 초록 보기

#Genome Scale Model #13C-Metabolic Flux Analysis #Multiomics Analysis

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)