Precise measurement of the fitness effects of spontaneous mutations by droplet digital PCR in<i>Burkholderia cenocepacia</i>
Notice bibliographique
Résumé
Understanding how mutations affect survivability is a key component to knowing how organisms and complex traits evolve. However, most mutations have a minor effect on fitness and these effects are difficult to resolve using traditional molecular techniques. Therefore, there is a dire need for more accurate and precise fitness measurements methods. Here, we measured the fitness effects in Burkholderia cenocepacia HI2424 mutation accumulation (MA) lines using droplet-digital polymerase chain reaction (ddPCR). Overall, the fitness measurements from ddPCR-MA are correlated positively with fitness measurements derived from traditional phenotypic marker assays (r = 0.297, P = 0.05), but showed some differences. First, ddPCR had significantly lower measurement variance in fitness (F = 3.78, P < 2.6 × 10-13) in control experiments. Second, the mean fitness from ddPCR-MA measurements were significantly lower than phenotypic marker assays (-0.0041 vs -0.0071, P = 0.006). Consistent with phenotypic marker assays, ddPCR-MA measurements observed multiple (27/43) lineages that significantly deviated from mean fitness, suggesting that a majority of the mutations are neutral or slightly deleterious and intermixed with a few mutations that have extremely large effects. Of these mutations, we found a significant excess of mutations within DNA excinuclease and Lys R transcriptional regulators that have extreme deleterious and beneficial effects, indicating that modifications to transcription and replication may have a strong effect on organismal fitness. This study demonstrates the power of ddPCR as a ubiquitous method for high-throughput fitness measurements in both DNA- and RNA-based organisms regardless of cell type or physiology.
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 | 0,000 | 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 ».