MétaCan
Menu
Retour à la cohorte
Enregistrement W2178120917 · doi:10.1371/journal.pcbi.1004562

A Kinetic Platform to Determine the Fate of Hydrogen Peroxide in Escherichia coli

2015· article· en· W2178120917 sur OpenAlexfundno aff
Kristin J. Adolfsen, Mark P. Brynildsen

Notice bibliographique

RevuePLoS Computational Biology · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Genetics and Biotechnology
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsKeio UniversityPrinceton University
Mots-clésEscherichia coliHydrogen peroxideBacteriaDetoxification (alternative medicine)ChemistryBiomoleculeBiophysicsBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Hydrogen peroxide (H2O2) is used by phagocytic cells of the innate immune response to kill engulfed bacteria. H2O2 diffuses freely into bacteria, where it can wreak havoc on sensitive biomolecules if it is not rapidly detoxified. Accordingly, bacteria have evolved numerous systems to defend themselves against H2O2, and the importance of these systems to pathogenesis has been substantiated by the many bacteria that require them to establish or sustain infections. The kinetic competition for H2O2 within bacteria is complex, which suggests that quantitative models will improve interpretation and prediction of network behavior. To date, such models have been of limited scope, and this inspired us to construct a quantitative, systems-level model of H2O2 detoxification in Escherichia coli that includes detoxification enzymes, H2O2-dependent transcriptional regulation, enzyme degradation, the Fenton reaction and damage caused by •OH, oxidation of biomolecules by H2O2, and repair processes. After using an iterative computational and experimental procedure to train the model, we leveraged it to predict how H2O2 detoxification would change in response to an environmental perturbation that pathogens encounter within host phagosomes, carbon source deprivation, which leads to translational inhibition and limited availability of NADH. We found that the model accurately predicted that NADH depletion would delay clearance at low H2O2 concentrations and that detoxification at higher concentrations would resemble that of carbon-replete conditions. These results suggest that protein synthesis during bolus H2O2 stress does not affect clearance dynamics and that access to catabolites only matters at low H2O2 concentrations. We anticipate that this model will serve as a computational tool for the quantitative exploration and dissection of oxidative stress in bacteria, and that the model and methods used to develop it will provide important templates for the generation of comparable models for other bacterial species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,252
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetBacterial Genetics and BiotechnologyTravaux en français237 207