Phage reprogramming of <i>Pseudomonas aeruginosa</i> amino acid metabolism drives efficient phage replication
Notice bibliographique
Résumé
ABSTRACT Phages have been shown to use diverse strategies to commandeer bacterial host cell metabolism during infection. However, for many of the physiological changes in bacteria during infection, it is often unclear if they are part of a bacterial response to infection or if they are actively driven by the phage itself. Here, we identify two phage proteins that promote efficient phage replication by reprogramming host amino acid metabolism. These proteins, Eht1 and Eht2, are expressed early in the infection cycle and increase the levels of key amino acids and the arginine-derived polyamine putrescine. This provides a fitness advantage as these metabolites are important for phage replication and are often depleted during infection. We provide evidence that Eht1 and Eht2 alter the expression of bacterial host metabolic genes, and their activities may impinge on metabolism-related signaling processes. This work provides new insight into how phages ensure access to essential host resources during infection and the competitive advantage this provides. IMPORTANCE Bacterial viruses, known as phages, are abundant in all environments that are inhabited by bacteria. During the infection process, phages exploit bacterial resources, resulting in notable changes to bacterial metabolism. However, precise mechanisms underlying these changes, and if they are driven by the phage or are a generalized bacterial response to infection, remain poorly understood. We characterized two proteins in Pseudomonas aeruginosa phage JBD44 whose activities alter bacterial host metabolism to optimize phage replication. Our work provides insight into how phages control bacterial processes to ensure access to essential host resources during infection.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».