Model-driven experimental design workflow expands understanding of regulatory role of Nac in <i>Escherichia coli</i>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The establishment of experimental conditions for transcriptional regulator network (TRN) reconstruction in bacteria continues to be impeded by the limited knowledge of activating conditions for transcription factors (TFs). Here, we present a novel genome-scale model-driven workflow for designing experimental conditions, which optimally activate specific TFs. Our model-driven workflow was applied to elucidate transcriptional regulation under nitrogen limitation by Nac and NtrC, in Escherichia coli. We comprehensively predict alternative nitrogen sources, including cytosine and cytidine, which trigger differential activation of Nac using a model-driven workflow. In accordance with the prediction, genome-wide measurements with ChIP-exo and RNA-seq were performed. Integrative data analysis reveals that the Nac and NtrC regulons consist of 97 and 43 genes under alternative nitrogen conditions, respectively. Functional analysis of Nac at the transcriptional level showed that Nac directly down-regulates amino acid biosynthesis and restores expression of tricarboxylic acid (TCA) cycle genes to alleviate nitrogen-limiting stress. We also demonstrate that both TFs coherently modulate α-ketoglutarate accumulation stress due to nitrogen limitation by co-activating amino acid and diamine degradation pathways. A systems-biology approach provided a detailed and quantitative understanding of both TF’s roles and how nitrogen and carbon metabolic networks respond complementarily to nitrogen-limiting stress.
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.
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 découle