The genomic signature and transcriptional response of metal tolerance in brown trout inhabiting metal-polluted rivers
Notice bibliographique
Résumé
Industrial pollution is a major driver of ecosystem degradation, but it can also act as a driver of contemporary evolution. As a result of intense mining activity during the Industrial Revolution, several rivers across the southwest of England are polluted with high concentrations of metals. Despite the documented negative impacts of ongoing metal pollution, brown trout ( Salmo trutta L.) survive and thrive in many of these metal-impacted rivers. We used population genomics, transcriptomics, and metal burdens to investigate the genomic and transcriptomic signatures of potential metal tolerance. RADseq analysis of six populations (originating from three metal-impacted and three control rivers) revealed strong genetic substructuring between impacted and control populations. We identified selection signatures at 122 loci, including genes related to metal homeostasis and oxidative stress. Trout sampled from metal-impacted rivers exhibited significantly higher tissue concentrations of cadmium, copper, nickel, and zinc, which remained elevated after 11 days in metal-free water. After depuration, we used RNAseq to quantify gene expression differences between metal-impacted and control trout, identifying 2,042 differentially expressed genes (DEGs) in the gill, and 311 DEGs in the liver. Transcriptomic signatures in the gill were enriched for genes involved in ion transport processes, metal homeostasis, oxidative stress, hypoxia and response to xenobiotics. Our findings reveal shared genomic and transcriptomic pathways involved in detoxification, oxidative stress responses, and ion regulation. Overall, our results demonstrate the diverse effects of metal pollution in shaping both neutral and adaptive genetic variation, whilst also highlighting the potential role of constitutive gene expression in promoting metal tolerance.
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 | 0,001 | 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 ».