A host–pathogen interactome uncovers phytopathogenic strategies to manipulate plant <scp>ABA</scp> responses
Notice bibliographique
Résumé
Summary The phytopathogen Pseudomonas syringae delivers into host cells type III secreted effectors (T3 SE s) that promote virulence. One virulence mechanism employed by T3 SE s is to target hormone signaling pathways to perturb hormone homeostasis. The phytohormone abscisic acid ( ABA ) influences interactions between various phytopathogens and their plant hosts, and has been shown to be a target of P. syringae T3 SE s. In order to provide insight into how T3 SE s manipulate ABA responses, we generated an A BA ‐ T 3 SE i nteractome n etwork ( ATIN ) between P. syringae T3 SE s and Arabidopsis proteins encoded by ABA ‐regulated genes. ATIN consists of 476 yeast‐two‐hybrid interactions between 97 Arabidopsis ABA ‐regulated proteins and 56 T3 SE s from four pathovars of P. syringae . We demonstrate that T3 SE interacting proteins are significantly enriched for proteins associated with transcription. In particular, the ETHYLENE RESPONSIVE FACTOR ( ERF ) family of transcription factors is highly represented. We show that ERF 105 and ERF 8 displayed a role in defense against P. syringae , supporting our overall observation that T3 SE s of ATIN converge on proteins that influence plant immunity. In addition, we demonstrate that T3 SE s that interact with a large number of ABA ‐regulated proteins can influence ABA responses. One of these T3 SE s, HopF3 Pph6 , inhibits the function of ERF 8, which influences both ABA ‐responses and plant immunity. These results provide a potential mechanism for how HopF3 Pph6 manipulates ABA ‐responses to promote P. syringae virulence, and also demonstrate the utility of ATIN as a resource to study the ABA ‐T3 SE interface.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».