mRNA Composition and Control of Bacterial Gene Expression
Notice bibliographique
Résumé
The expression of any given bacterial protein is predicted to depend on (i) the transcriptional regulation of the promoter and the translational regulation of its mRNA and (ii) the synthesis and translation of total (bulk) mRNA. This is because total mRNA acts as a competitor to the specific mRNA for the binding of initiation-ready free ribosomes. To characterize the effects of mRNA competition on gene expression, the specific activity of beta-galactosidase expressed from three different promoter-lacZ fusions (P(spc)-lacZ, P(RNAI)-lacZ, and P(RNAII)-lacZ) was measured (i) in a relA(+) background during exponential growth at different rates and (ii) in relA(+) and DeltarelA derivatives of Escherichia coli B/r after induction of a mild stringent or a relaxed response to raise or lower, respectively, the level of ppGpp. Expression from all three promoters was stimulated during slow exponential growth or at elevated levels of ppGpp and was reduced during fast exponential growth or at lower levels of ppGpp. From these observations and from other considerations, we propose (i) that the concentration of free, initiation-ready ribosomes is approximately constant and independent of the growth rate and (ii) that bulk mRNA made during slow growth and at elevated levels of ppGpp is less efficiently translated than bulk mRNA made during fast growth and at reduced levels of ppGpp. These features lead to an indirect enhancement in the expression of LacZ (or of any other protein) during growth in media of poor nutritional quality and at increased levels of ppGpp.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».