Metatranscriptomic Analysis of the Response of River Biofilms to Pharmaceutical Products, Using Anonymous DNA Microarrays
Notice bibliographique
Résumé
Pharmaceutical products are released at low concentrations into aquatic environments following domestic wastewater treatment. Such low concentrations have been shown to induce transcriptional responses in microorganisms, which could have consequences on aquatic ecosystem dynamics. In order to test if these transcriptional responses could also be observed in complex river microbial communities, biofilm reactors were inoculated with water from two rivers of differing trophic statuses and subsequently treated with environmentally relevant doses (ng/liter to microg/liter range) of four pharmaceuticals (erythromycin [ER], gemfibrozil [GM], sulfamethazine [SN], and sulfamethoxazole [SL]). To monitor functional gene expression, we constructed a 9,600-feature anonymous DNA microarray platform onto which cDNA from the biofilms was hybridized. Pharmaceutical treatments induced both positive and negative transcriptional responses from biofilm microorganisms. For instance, ER induced the transcription of several stress, transcription, and replication genes, while GM, a lipid regulator, induced transcriptional responses from several genes involved in lipid metabolism. SN caused shifts in genes involved in energy production and conversion, and SL induced responses from a range of cell membrane and outer envelope genes, which in turn could affect biofilm formation. The results presented here demonstrate for the first time that low concentrations of small molecules can induce transcriptional changes in a complex microbial community. The relevance of these results also demonstrates the usefulness of anonymous DNA microarrays for large-scale metatranscriptomic studies of communities from differing aquatic ecosystems.
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 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».