Short-term response to iron resupply in an iron-limited open ocean diatom reveals rapid decay of iron-responsive transcripts
Notice bibliographique
Résumé
In large areas of the ocean, iron concentrations are insufficient to promote phytoplankton growth. Numerous studies have been conducted to characterize the effect of iron on algae and how algae cope with fluctuating iron concentrations. Fertilization experiments in low-iron areas resulted primarily in diatom-dominated algal blooms, leading to laboratory studies on diatoms comparing low- and high-iron conditions. Here, we focus on the short-term temporal response following iron addition to an iron-starved open ocean diatom, Thalassiosira oceanica. We employed the NanoString platform and analyzed a high-resolution time series on 54 transcripts encoding proteins involved in photosynthesis, N-linked glycosylation, iron transport, as well as transcription factors. Nine transcripts were iron-responsive, with an immediate response to the addition of iron. The fastest response observed was the decrease in transcript levels of proteins involved in iron uptake, followed by an increase in transcript levels of iron-containing enzymes and a simultaneous decrease in the transcript levels of their iron-free replacement enzymes. The transcription inhibitor actinomycin D was used to understand the underlying mechanisms of the decrease of the iron-responsive transcripts and to determine their half-lives. Here, Mn-superoxide dismutase (Mn-SOD), plastocyanin (PETE), ferredoxin (PETF) and cellular repressor of EA1-stimulated genes (CREGx2) revealed longer than average half-lives. Four iron-responsive transcripts showed statistically significant differences in their decay rates between the iron-recovery samples and the actD treatment. These differences suggest regulatory mechanisms influencing gene transcription and mRNA stability. Overall, our study contributes towards a detailed understanding of diatom cell biology in the context of iron fertilization response and provides important observations to assess oceanic diatom responses following sudden changes in iron concentrations.
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 ».