Genome-wide identification of <i>Pseudomonas aeruginosa</i> exported proteins using a consensus computational strategy combined with a laboratory-based PhoA fusion screen
Notice bibliographique
Résumé
The Gram-negative pathogen Pseudomonas aeruginosa encodes multiple protein export systems, the substrates of which contain export signals such as N-terminal signal peptides. Here we report the first genome-wide computational and laboratory screen for N-terminal signal peptides in this important opportunistic pathogen. The computational identification of signal peptides was based on a consensus between multiple predictive tools and showed that 38% of the P. aeruginosa PAO1 proteome was predicted to encode exported proteins, most of which utilize cleavable type I signal peptides or uncleavable transmembrane helices. In addition, known and novel lipoproteins (type II), twin arginine transporter (TAT), and prepilin peptidase substrates (type IV) were also identified. A laboratory-based screen using the alkaline phosphatase (PhoA) fusion method was then used to test our predictions. In total, 310 nonredundant PhoA fusions were successfully identified, 296 of which possess a predicted export signal. Analysis of the PhoA fusion proteins lacking an export signal revealed that three proteins have alternate translation start sites that encode signal peptides, two proteins may use an unknown export signal, and the remaining nine proteins are likely cytoplasmic proteins and represent false positives associated with the PhoA screen. Our approach to identify exported proteins illustrates how computational and laboratory-based methods are complementary, where computational analyses provide a large number of accurate predictions while laboratory methods both confirm predictions and reveal unique cases meriting further analysis.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».