Identifying <i>Pseudomonas syringae</i> Type III Secreted Effector Function via a Yeast Genomic Screen
Notice bibliographique
Résumé
Abstract Gram-negative bacterial pathogens inject type III secreted effectors (T3SEs) directly into host cells to promote pathogen fitness by manipulating host cellular processes. Despite their crucial role in promoting virulence, relatively few T3SEs have well-characterized enzymatic activities or host targets. This is in part due to functional redundancy within pathogen T3SE repertoires as well as the promiscuity of individual T3SEs that can have multiple host targets. To overcome these challenges, we generated and characterized a collection of yeast strains stably expressing 75 T3SE constructs from the plant pathogen Pseudomonas syringae. This collection is devised to facilitate heterologous genetic screens in yeast, a non-host organism, to identify T3SEs that target conserved eukaryotic processes. Among 75 T3SEs tested, we identified 16 that inhibited yeast growth on rich media and eight that inhibited growth on stress-inducing media. We utilized Pathogenic Genetic Array (PGA) screens to identify potential host targets of P. syringae T3SEs. We focused on the acetyltransferase, HopZ1a, which interacts with plant tubulin and alters microtubule networks. To uncover putative HopZ1a host targets, we identified yeast genes with genetic interaction profiles most similar (i.e., congruent) to the PGA profile of HopZ1a and performed a functional enrichment analysis of these HopZ1a-congruent genes. We compared the congruence analyses above to previously described HopZ physical interaction datasets and identified kinesins as potential HopZ1a targets. Finally, we demonstrated that HopZ1a can target kinesins by acetylating the plant kinesins HINKEL and MKRP1, illustrating the utility of our T3SE-expressing yeast library to characterize T3SE functions.
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 | 0,001 | 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) | 0,001 | 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 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 ».