Gre factors protect against phenotypic diversification and cheating in <i>Escherichia coli</i> populations under toxic metabolite stress
Notice bibliographique
Résumé
Abstract Nitric oxide (·NO) is one of the toxic metabolites that bacteria can be exposed to within phagosomes. Gre factors, which are also known as transcript cleavage factors or transcription elongation factors, relieve back-tracked transcription elongation complexes by cleaving nascent RNAs, which allows transcription to resume after stalling. Here we discovered that loss of both Gre factors in E. coli , GreA and GreB, significantly compromised ·NO detoxification through a phenotypic diversification of the population. Under normal culturing conditions, both wild-type and Δ greA Δ greB synthesized protein uniformly. However, treatment with ·NO led to bimodal protein expression in Δ greA Δ greB , whereas wild-type remained unimodal. Interestingly, exposure to another toxic metabolite of phagosomes, hydrogen peroxide (H 2 O 2 ), produced similar results. We found that the diversification in Δ greA Δ greB cultures required E. coli RNAP, occurred at the level of transcription, and could produce cheating where transcriptionally-deficient cells benefit from the detoxification activities of the transcriptionally-proficient subpopulation. Collectively, these results indicate that Gre factors bolster bacterial defenses by preventing phenotypic diversification and cheating in environments with fast-diffusing toxic metabolites. Importance Toxic metabolite stress occurs in a broad range of contexts that are important to human health, microbial ecology, and biotechnology; whereas Gre factors are highly conserved throughout the bacterial kingdom. Here we discovered that the Gre factors of E. coli prevent phenotypic diversification under toxic metabolite stress. Such conformist regulation improves populationwide removal of those stressors and protects against cheating, where one subpopulation commits resources to counter a threat, and the other subpopulation does not, yet both subpopulations benefit.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».