The pace at which multidrug-resistant strains emerge has been alarming. P. stuartii is an infrequent but relevant drug-resistant nosocomial pathogen causing local to systemic life-threatening infections. We propose an alternative approach to fight this bacterium based on the properties of phage tailspikes with depolymerase activity that degrade the surface bacterial polymers, making the bacteria susceptible to the immune system. Unlike antibiotics, phage tailspikes have narrow and specific substrate spectra, and by acting as antivirulent but not bactericidal agents they do not cause the selection of resistant bacteria.

ABSTRACT Genome-scale metabolic models have been recognised as useful tools for better understanding living organisms’ metabolism. merlin ( https://www.merlin-sysbio.org/ ) is an open-source and user-friendly resource that hastens the models’ reconstruction process, conjugating manual and automatic procedures, while leveraging the user’s expertise with a curation-oriented graphical interface. An updated and redesigned version of merlin is herein presented. Since 2015, several features have been implemented in merlin , along with deep changes in the software architecture, operational flow, and graphical interface. The current version (4.0) includes the implementation of novel algorithms and third-party tools for genome functional annotation, draft assembly, model refinement, and curation. Such updates increased the user base, resulting in multiple published works, including genome metabolic (re-)annotations and model reconstructions of multiple (lower and higher) eukaryotes and prokaryotes. merlin version 4.0 is the only tool able to perform template based and non-template based draft reconstructions, while achieving competitive performance compared to state-of-the art tools both for well and less-studied organisms.

ABSTRACT The importance and rate of development of genome-scale metabolic models have been growing for the last years, increasing the demand for software solutions that automate several steps of this process. However, since TRIAGE’s release, software development for automatic integration of transport reactions into models has stalled. Here we present the Transport Systems Tracker ( TranSyT ), the next iteration of TRIAGE. Unlike its predecessor, TranSyT does not rely on manual curation to expand its internal database, derived from highly-curated records retrieved from the Transporters Classification Database and complemented with information from other data sources. TranSyT compiles information regarding transporters families, transport proteins, and derives reactions into its internal database, making it available for rapid annotation of complete genomes. All transport reactions have GPR associations and can be exported with identifiers from four different metabolite databases. TranSyT is currently available as a plugin for merlin v4.0 and an app for KBase.

Abstract As the reconstruction of Genome-Scale Metabolic Models becomes standard practice in systems biology, the number of organisms having at least one metabolic model at the genome-scale is peaking at an unprecedented scale. The automation of several laborious tasks, such as gap-finding and gap-filling, allowed to develop GSMMs for poorly described organisms. However, such models’ quality can be compromised by the automation of several steps, which may lead to erroneous phenotype simulations. The Biological networks constraint-based In Silico Optimization ( BioISO ) is a computational tool aimed at accelerating the reconstruction of Genome-Scale Metabolic Models. This tool facilitates the manual curation steps by reducing the large search spaces often met when debugging in silico biological models. BioISO uses a recursive relation-like algorithm and Flux Balance Analysis to evaluate and guide debugging of in silico phenotype simulations. The potential of BioISO to guide the debugging of model reconstructions was showcased using GSMMs available in literature and compared with the results of two other state-of-the-art gap-filling tools ( Meneco and fastGapFill ). Furthermore, BioISO was used as Meneco ’s gap-finding algorithm to reduce the number of proposed solutions (reaction sets) for filling the gaps. BioISO was implemented as a webserver available at https://bioiso.bio.di.uminho.pt ; and integrated into merlin as a plugin. BioISO’s implementation as a Python™ package can also be retrieved from https://github.com/BioSystemsUM/BioISO .

Abstract In the last decade, genome-scale metabolic models have been increasingly used to study plant metabolic behavior at the tissue and multi-tissue level under different environmental conditions. Quercus suber , also known as the cork oak tree, is one of the most important forest communities of the Mediterranean/Iberian region. In this work, we present the genome-scale metabolic model of the Q. suber (iEC7871), the first of a woody plant. The metabolic model comprises 7871 genes, 6231 reactions, and 6481 metabolites across eight compartments. Transcriptomics data was integrated into the model to obtain tissue-specific models for the leaf, inner bark, and phellogen, with specific biomass compositions. The tissue-specific models were merged into a diel multi-tissue metabolic model to predict interactions among the three tissues at the light and dark phases. The metabolic models were also used to analyze the pathways associated with the synthesis of suberin monomers. Nevertheless, the models developed in this work can provide insights into other aspects of the metabolism of Q. suber , such as its secondary metabolism and cork formation.

Abstract The high complexity found in microbial communities makes the identification of microbial interactions challenging. To address this challenge, we present OrtSuite, a flexible workflow to predict putative microbial interactions based on genomic content of microbial communities and targeted to specific ecosystem processes. The pipeline is composed of three user-friendly bash commands. OrtSuite combines ortholog clustering with genome annotation strategies limited to user-defined sets of functions allowing for hypothesis-driven data analysis such as assessing microbial interactions in specific ecosystems. OrtSuite matched, on average, 96 % of experimentally verified KEGG orthologs involved in benzoate degradation in a known group of benzoate degraders. Identification of putative synergistic species interactions was evaluated using the sequenced genomes of an independent study which had previously proposed potential species interactions in benzoate degradation. OrtSuite is an easy to use workflow that allows for rapid functional annotation based on a user curated database and can easily be extended to ecosystem processes where connections between genes and reactions are known. OrtSuite is an open-source software available at https://github.com/mdsufz/OrtSuite .

Abstract Bacteriophages are the most predominant and genetically diverse biological entities on Earth. They are bacterial viruses which encode numerous proteins with potential antibacterial activity. However, most bacteriophage-encoded proteins have no assigned function, hindering the discovery of novel antibacterial agents. In particular, there has been a growing interest in exploring recombinant bacteriophage depolymerases from the fundamental standpoint, but mostly for biotechnological applications to control bacterial pathogens. Due to the lack of efficient identification tools, we developed PhageDPO , the first developed tool that predicts depolymerases in bacteriophage genomes using machine learning methods. Availability and implementation PhageDPO was integrated into a Galaxy framework available online at: bit.ly/phagedpo.

Dunaliella salina is a promising source of β-carotene, widely employed in the food industry. This study aimed to evaluate the sequential application of the Ionic Liquid (IL) cholinium oleate as an extraction solvent for D. salina β-carotene recovery and, sequentially, as emulsifier for emulsion-based products obtained therefrom. The IL was evaluated regarding its ability to permeabilize the cells and recover β-carotene at different temperatures (25-65 °C) and IL concentrations (0-46%). The use of the IL as solvent greatly improved β-carotene recovery (>84%). The IL already present in the obtained extracts loaded with recovered β-carotene was sequentially used as emulsifier in the production of nanoemulsions (NE). NE presented a β-carotene entrapment efficiency of 100% and were kinetically stable for 30 days and presented droplet size, size distribution, and ζ-potential of 220 nm, 0.21, and -67 mV, respectively. These results indicate that using IL sequential as solvent and emulsifier has potential applications in the food industry.

Abstract Vitis vinifera , also known as grapevine, is widely cultivated and commercialized, particularly to produce wine. As wine quality is directly linked to fruit quality, studying grapevine metabolism is important to understand the processes underlying grape composition. Genome-scale metabolic models (GSMMs) have been used for the study of plant metabolism and advances have been made, allowing the integration of omics datasets with GSMMs. On the other hand, Machine learning (ML) has been used to analyze omics data, and while the combination of ML with GSMMs has shown promising results, it is still scarcely used to study plants. Here, the first GSSM of V. vinifera was reconstructed and validated, comprising 7199 genes, 5399 reactions, and 5141 metabolites across 8 compartments. Tissue-specific models for stem, leaf, and berry of the Cabernet Sauvignon cultivar were generated from the original model, through the integration of RNA-Seq data. These models have been merged into diel multi-tissue models to study the interactions between tissues at light and dark phases. The potential of combining ML with GSMMs was explored by using ML to analyze the fluxomics data generated by green and mature grape GSMMs, helping to understand the factors influencing grape quality at different developmental stages.

Abstract Chondroitin is a natural occurring glycosaminoglycan with applications as a nutraceutical and pharmaceutical ingredient and can be extracted from animal tissues. Microbial chondroitin-like polysaccharides emerged as a safer and more sustainable alternative source. However, chondroitin titers using either natural or recombinant microorganisms are still far from meeting the increasing demand. The use of genome-scale models and computational predictions can assist the design of microbial cell factories with possible improved titers of these value-added compounds. Genome-scale models have been used to predict genetic modifications in Escherichia coli engineered strains that would potentially lead to improved chondroitin production. Additionally, using synthetic biology approaches, a pathway for producing chondroitin has been designed and engineered in E. coli . Afterwards, the most promising mutants identified based on bioinformatics predictions were constructed and evaluated for chondroitin production in flask fermentation. This resulted in the production of 118 mg/L of extracellular chondroitin by overexpressing both superoxide dismutase ( sodA ) and a lytic murein transglycosylase ( mltB ). Then, batch and fed-batch fermentations at bioreactor scale were also evaluated, in which the mutant overexpressing mltB led to an extracellular chondroitin production of 427 mg/L and 535 mg/L, respectively. The computational approach herein described identified several potential novel targets for improved chondroitin biosynthesis, which may ultimately lead to a more efficient production of this glycosaminoglycan.