MétaCan
Menu
Retour à la cohorte
Enregistrement W4402364254 · doi:10.1128/mbio.02229-24

Loss of Gre factors leads to phenotypic heterogeneity and cheating in <i>Escherichia coli</i> populations under nitric oxide stress

2024· article· en· W4402364254 sur OpenAlexfundno aff
Darshan M. Sivaloganathan, Xuanqing Wan, Gabrielle Leon, Mark P. Brynildsen

Notice bibliographique

RevuemBio · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsNatural Sciences and Engineering Research Council of CanadaKeio UniversityPrinceton UniversityNational Science Foundation
Mots-clésCheatingPhenotypeEscherichia coliMicrobiologyBiologyGeneticsEvolutionary biologyGene

Résumé

récupéré en direct d'OpenAlex

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 Escherichia coli , GreA and GreB, significantly compromised ·NO detoxification due to ·NO-induced phenotypic heterogeneity in Δ greA Δ greB populations, which did not occur in wild-type cultures. Under normal culturing conditions, both wild-type and Δ greA Δ greB synthesized transcripts uniformly, whereas treatment with ·NO led to bimodal transcript levels in Δ greA Δ greB that were unimodal in wild-type. Interestingly, exposure to another toxic metabolite of phagosomes, hydrogen peroxide (H 2 O 2 ), produced analogous results. Furthermore, we showed that loss of Gre factors led to cheating under ·NO stress where transcriptionally deficient cells benefited from the detoxification activities of the transcriptionally proficient subpopulation. Collectively, these results show that loss of Gre factor activities produces phenotypic heterogeneity under ·NO and H 2 O 2 stress that can yield cheating between subpopulations. 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 loss of Gre factors in E. coli leads to phenotypic heterogeneity under ·NO and H 2 O 2 stress, which we further show with ·NO results in cheating between subpopulations. Collectively, these data suggest that Gre factors play a role in coping with toxic metabolite stress, and that loss of Gre factors can produce cheating between neighbors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetGene Regulatory Network AnalysisTravaux en français237 207