Comparative analyses of saprotrophy in Salisapilia sapeloensis and diverse plant pathogenic oomycetes reveal lifestyle-specific gene expression
Notice bibliographique
Résumé
Oomycetes include many devastating plant pathogens. Across oomycete diversity, plant-infecting lineages are interspersed by non-pathogenic ones. Unfortunately, our understanding of the evolution of lifestyle switches is hampered by a scarcity of data on the molecular biology of saprotrophic oomycetes, ecologically important primary colonizers of dead tissue that can serve as informative reference points for understanding the evolution of pathogens. Here, we established Salisapilia sapeloensis as a tractable system for the study of saprotrophic oomycetes. We generated multiple transcriptomes from S. sapeloensis and compared them with (i) 22 oomycete genomes and (ii) the transcriptomes of eight pathogenic oomycetes grown under 13 conditions. We obtained a global perspective on gene expression signatures of oomycete lifestyles. Our data reveal that oomycete saprotrophs and pathogens use similar molecular mechanisms for colonization but exhibit distinct expression patterns. We identify a S. sapeloensis-specific array and expression of carbohydrate-active enzymes and putative regulatory differences, highlighted by distinct expression levels of transcription factors. Salisapilia sapeloensis expresses only a small repertoire of candidates for virulence-associated genes. Our analyses suggest lifestyle-specific gene regulatory signatures and that, in addition to variation in gene content, shifts in gene regulatory networks underpin the evolution of oomycete lifestyles.
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) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».