Environmental transcriptomics under heat stress: Can environmental <scp>RNA</scp> reveal changes in gene expression of aquatic organisms?
Notice bibliographique
Résumé
To safeguard biodiversity in a changing climate, taxonomic information about species turnover and insights into the health of organisms are required. Environmental DNA approaches are increasingly used for species identification, but cannot provide functional insights. Transcriptomic methods reveal the physiological states of macroorganisms, but are currently species-specific and require tissue sampling or animal sacrifice, making community-wide assessments challenging. Here, we test whether broad functional information (expression level of the transcribed genes) can be harnessed from environmental RNA (eRNA), which includes extra-organismal RNA from macroorganisms along with whole microorganisms. We exposed Daphnia pulex as well as phytoplankton prey and microorganism colonizers to control (20°C) and heat stress (28°C) conditions for 7 days. We sequenced eRNA from tank water (after complete removal of Daphnia) as well as RNA from Daphnia tissue, enabling comparisons of extra-organismal and organismal RNA-based gene expression profiles. Both RNA types detected similar heat stress responses of Daphnia. Using eRNA, we identified 32 Daphnia genes to be differentially expressed following heat stress. Of these, 17 were also differentially expressed and exhibited similar levels of relative expression in organismal RNA. In addition to the extra-organismal Daphnia response, eRNA detected community-wide heat stress responses consisting of distinct functional profiles and 121 differentially expressed genes across eight taxa. Our study demonstrates that environmental transcriptomics based on extra-organismal eRNA can noninvasively reveal gene expression responses of macroorganisms following environmental changes, with broad potential implications for the biomonitoring of health across the trophic chain.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».