Genome-scale metabolic network models for industrial microorganisms metabolic engineering: Current advances and future prospects

生物制造 代谢工程 计算机科学 代谢网络 计算生物学 过程(计算) 生物 生物信息学 系统生物学 可视化 代谢途径 系统工程 生化工程 工程类 生物技术 人工智能 化学 基因 新陈代谢 生物化学 操作系统
作者
Zhijin Gong,Jiayao Chen,Xinyu Jiao,Hao Gong,Danzi Pan,Lingli Liu,Yang Zhang,Tianwei Tan
出处
期刊:Biotechnology Advances [Elsevier]
卷期号:72: 108319-108319 被引量:6
标识
DOI:10.1016/j.biotechadv.2024.108319
摘要

The construction of high-performance microbial cell factories (MCFs) is the centerpiece of biomanufacturing. However, the complex metabolic regulatory network of microorganisms poses great challenges for the efficient design and construction of MCFs. The genome-scale metabolic network models (GSMs) can systematically simulate the metabolic regulation process of microorganisms in silico, providing effective guidance for the rapid design and construction of MCFs. In this review, we summarized the development status of 16 important industrial microbial GSMs, and further outline the technologies or methods that continuously promote high-quality GSMs construction from five aspects: I) Databases and modeling tools facilitate GSMs reconstruction; II) evolving gap-filling technologies; III) constraint-based model reconstruction; IV) advances in algorithms; and V) developed visualization tools. In addition, we also summarized the applications of GSMs in guiding metabolic engineering from four aspects: I) exploring and explaining metabolic features; II) predicting the effects of genetic perturbations on metabolism; III) predicting the optimal phenotype; IV) guiding cell factories construction in practical experiment. Finally, we discussed the development of GSMs, aiming to provide a reference for efficiently reconstructing GSMs and guiding metabolic engineering.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
1秒前
2秒前
Mr发布了新的文献求助10
2秒前
xxx完成签到,获得积分20
4秒前
竹子完成签到,获得积分10
4秒前
科研螺丝发布了新的文献求助10
4秒前
研友_8KX15L发布了新的文献求助10
5秒前
传统的鼠标完成签到,获得积分10
5秒前
6秒前
王坦发布了新的文献求助10
6秒前
跟屁虫发布了新的文献求助10
7秒前
beikeyy发布了新的文献求助10
8秒前
枯叶蝶完成签到 ,获得积分10
8秒前
英姑应助娇气的亦云采纳,获得10
10秒前
奔奔完成签到,获得积分10
10秒前
受伤南霜完成签到 ,获得积分10
11秒前
12秒前
科研通AI2S应助Mr采纳,获得10
12秒前
王坦完成签到,获得积分10
13秒前
14秒前
Kunqi发布了新的文献求助10
14秒前
好好好完成签到,获得积分20
15秒前
16秒前
科研通AI2S应助mushroomfire采纳,获得10
18秒前
研友_8KX15L发布了新的文献求助10
18秒前
19秒前
大意的友琴完成签到,获得积分10
20秒前
会飞的胖子完成签到,获得积分20
21秒前
jinboy发布了新的文献求助10
22秒前
深情安青应助舒适的天奇采纳,获得10
23秒前
23秒前
yrp完成签到,获得积分20
24秒前
8R60d8应助vikoel采纳,获得10
24秒前
三徙教完成签到,获得积分10
25秒前
25秒前
aigj完成签到 ,获得积分10
25秒前
聪明的行云完成签到 ,获得积分10
25秒前
yrp发布了新的文献求助10
29秒前
意意发布了新的文献求助10
29秒前
30秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140783
求助须知:如何正确求助?哪些是违规求助? 2791678
关于积分的说明 7800053
捐赠科研通 2448055
什么是DOI,文献DOI怎么找? 1302292
科研通“疑难数据库(出版商)”最低求助积分说明 626500
版权声明 601210