项目名称: 转录因子LEC1提高转基因小球藻含油量的机理研究

项目编号: No.21306222

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 化学工业

项目作者: 尹维波

作者单位: 中国科学院遗传与发育生物学研究所

项目金额: 25万元

中文摘要: 微藻是最有潜力的生产生物柴油的原料。许多微藻含油量高但生长速率低,还有许多微藻生长快但含油量低,如小球藻。因此提高那些生长快的微藻的含油量是微藻生物柴油研究的一个重要方向。我们前期将拟南芥来源的与调控油脂合成相关的AtLEC1基因转入到椭圆小球藻中,获得了含油量提高30%以上,而生长速率基本不变的新藻株。我们将研究AtLEC1在小球藻中调控油脂合成的机理,克隆AtLEC1调控的与脂肪酸合成相关的关键酶及转录因子的基因,进行功能验证,并与其在拟南芥中的调控模式比较,阐明小球藻中AtLEC1调控油脂合成的代谢网络;研究不同培养模式下转AtLEC1基因小球藻生长速率、总油脂含量、脂肪酸成分及其它常规生化成分的变化规律,探讨合适的培养模式,并分别在实验室和户外条件下验证。此研究将为高等植物来源的转录因子在小球藻中的应用提供理论指导及技术支持,并为微藻生物柴油的藻种培育工作提供一个新的方向。

中文关键词: 椭圆小球藻;LEC1;油脂积累;基因工程;分子机制

英文摘要: Microalgae are considered to be the most potential source to produce biodiesel. Several species of microalgae contain high lipid content but with low cell growth rate and low rates of oil production. Whereas other species grow rapidly but with low lipid content, such as Chlorella. Therefore, increasing the lipid content of microalgae with high growth rate is essential for the research of microalgae biodiesel. In previous research, we transferred AtLEC1 from Arabidopsis (Arabidopsis thaliana), a transcription factor affecting content of lipid in Arabidopsis, into Chlorella ellipsoidea. We found that the lipid content of transgenic strains were increased by more than 30% than that of wild type strain and the growth rate was similar between them. Cloning the genes of key enzymes and transcription factors related to lipids synthesis under the regulation and control of AtLEC1 in transgenic Chlorella, and consulted the previous regulation mode in Arabidopsis, the mechanism how AtLEC1 is working in Chlorella will be elucidated in this study. The optimal culture method will be obtained by compared the biomass, the lipid content, the fatty acid composition and other biochemical compositions between the transformed Chlorella and untransformed Chlorella under different cultured conditions. This study will provide theoretic

英文关键词: Chlorella ellipsoidea;LEC1;Lipid accumulation;Genetic engineering;Molecular mechanism

成为VIP会员查看完整内容
0

相关内容

中国信通院《新型智慧城市产业图谱研究报告》
专知会员服务
31+阅读 · 2022年3月9日
专知会员服务
49+阅读 · 2020年8月27日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
AI从底物和酶的结构中预测米氏常数,量化酶活性
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
12+阅读 · 2022年4月12日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
19+阅读 · 2018年3月28日
小贴士
相关主题
相关资讯
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
AI从底物和酶的结构中预测米氏常数,量化酶活性
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员