Indole cell signaling occurs primarily at low temperatures in <i>Escherichia coli</i>
Notice bibliographique
Résumé
We have shown that the quorum-sensing signals acylhomoserine lactones, autoinducer-2 (AI-2) and indole influence the biofilm formation of Escherichia coli. Here, we investigate how the environment, that is, temperature, affects indole and AI-2 signaling in E. coli. We show in biofilms that indole addition leads to more extensive differential gene expression at 30 degrees C (186 genes) than at 37 degrees C (59 genes), that indole reduces biofilm formation (without affecting growth) more significantly at 25 and 30 degrees C than at 37 degrees C and that the effect is associated with the quorum-sensing protein SdiA. The addition of indole at 30 degrees C compared to 37 degrees C most significantly repressed genes involved in uridine monophosphate (UMP) biosynthesis (carAB, pyrLBI, pyrC, pyrD, pyrF and upp) and uracil transport (uraA). These uracil-related genes are also repressed at 30 degrees C by SdiA, which confirms SdiA is involved in indole signaling. Also, compared to 37 degrees C, indole more significantly decreased flagella-related qseB, flhD and fliA promoter activity, enhanced antibiotic resistance and inhibited cell division at 30 degrees C. In contrast to indole and SdiA, the addition of (S)-4,5-dihydroxy-2,3-pentanedione (the AI-2 precursor) leads to more extensive differential gene expression at 37 degrees C (63 genes) than at 30 degrees C (11 genes), and, rather than repressing UMP synthesis genes, AI-2 induces them at 37 degrees C (but not at 30 degrees C). Also, the addition of AI-2 induces the transcription of virulence genes in enterohemorrhagic E. coli O157:H7 at 37 degrees C but not at 30 degrees C. Hence, cell signals cause diverse responses at different temperatures, and indole- and AI-2-based signaling are intertwined.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».