Cellular Effects and Epistasis among Three Determinants of Adaptation in Experimental Populations of Saccharomyces cerevisiae
Notice bibliographique
Résumé
Epistatic interactions in which the phenotypic effect of an allele is conditional on its genetic background have been shown to play a central part in various evolutionary processes. In a previous study (J. B. Anderson et al., Curr. Biol. 20:1383-1388, 2010; J. R. Dettman, C. Sirjusingh, L. M. Kohn, and J. B. Anderson, Nature 447:585-588, 2007), beginning with a common ancestor, we identified three determinants of fitness as mutant alleles (each designated with the letter "e") that arose in replicate Saccharomyces cerevisiae populations propagated in two different environments, a low-glucose and a high-salt environment. In a low-glucose environment, MDS3e and MKT1e interacted positively to confer a fitness advantage. Also, PMA1e from a high-salt environment interacted negatively with MKT1e in a low-glucose environment, an example of a Dobzhansky-Muller incompatibility that confers reproductive isolation. Here we showed that the negative interaction between PMA1e and MKT1e is mediated by alterations in intracellular pH, while the positive interaction between MDS3e and MKT1e is mediated by changes in gene expression affecting glucose transporter genes. We specifically addressed the evolutionary significance of the positive interaction by showing that the presence of the MDS3 mutation is a necessary condition for the spread and fixation of the new mutations at the identical site in MKT1. The expected mutations in MKT1 rose to high frequencies in two of three experimental populations carrying MDS3e but not in any of three populations carrying the ancestral allele. These data show how positive and negative epistasis can contribute to adaptation and reproductive isolation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».