Coevolution of DNA Uptake Sequences and Bacterial Proteomes
Notice bibliographique
Résumé
Dramatic examples of repeated sequences occur in the genomes of some naturally competent bacteria, which contain hundreds or thousands of copies of short motifs called DNA uptake signal sequences. Here, we analyze the evolutionary interactions between coding-region uptake sequences and the proteomes of Haemophilus influenzae, Actinobacillus pleuropneumoniae, and Neisseria meningitidis. In all three genomes, uptake sequence accumulation in coding sequences has approximately doubled the frequencies of those tripeptides specified by each species' uptake sequence. The presence of uptake sequences in particular reading frames correlated most strongly with the use of preferred codons at degenerately coded positions, but the density of uptake sequences correlated only poorly with protein functional category. Genes lacking homologs in related genomes also lacked uptake sequences, strengthening the evidence that uptake sequences do not drive lateral gene transfer between distant relatives but instead accumulate after genes have been transferred. Comparison of the uptake sequence-encoded peptides of H. influenzae and N. meningitidis proteins with their homologs from related bacteria without uptake sequences indicated that uptake sequences were also preferentially located in poorly conserved genes and at poorly conserved amino acids. With few exceptions, amino acids at positions encoded by uptake sequences were as well conserved as other amino acids, suggesting that extant uptake sequences impose little or no constraint on coding for protein function. However, this state is likely to be achieved at a substantial cost because of the selective deaths required to eliminate maladaptive mutations that improve uptake sequences.
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 ».