Analysis of the Proteome of the Marine Diatom <i>Phaeodactylum tricornutum</i> Exposed to Aluminum Providing Insights into Aluminum Toxicity Mechanisms
Notice bibliographique
Résumé
Trace aluminum (Al) concentrations can be toxic to marine phytoplankton, the basis of the marine food web, but the fundamental Al toxicity and detoxification mechanisms at the molecular levels are poorly understood. Using an array of proteomic, transcriptomic, and biochemical techniques, we describe in detail the cellular response of the model marine diatom Phaeodactylum tricornutum to a short-term sublethal Al stress (4 h of exposure to 200 μM total initial Al). A total of 2204 proteins were identified and quantified by isobaric tags for relative and absolute quantification (iTRAQ) in response to the Al stress. Among them, 87 and 78 proteins performing various cell functions were up- and down-regulated after Al treatment, respectively. We found that photosynthesis was a key Al toxicity target. The Al-induced decrease in electron transport rates in thylakoid membranes lead to an increase in reactive oxygen species (ROS) production, which cause increased lipid peroxidation. Several ROS-detoxifying proteins were induced to help decrease Al-induced oxidative stress. In parallel, glycolysis and pentose phosphate pathway were up-regulated in order to produce cell energy (NADPH, ATP) and carbon skeleton for cell growth, partially circumventing the Al-induced toxicity effects on photosynthesis. These cellular responses to Al stress were coordinated by the activation of various signal transduction pathways. The identification of Al-responsive proteins in the model marine phytoplankton P. tricornutum provides new insights on Al stress responses as well as a good start for further exploring Al detoxification mechanisms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».