Diverse Genetic Mechanisms Enable <i>Pseudomonas syringae</i> to Rapidly Overcome Effector‐Triggered Immunity
Notice bibliographique
Résumé
Bacterial plant pathogens pose a serious threat to worldwide crop yields and cause widespread food insecurity. One common approach to limit pathogen proliferation on critical crops is to genetically engineer cultivars that harbour resistance genes capable of recognising and responding to critical bacterial virulence factors like type III secreted effectors. Unfortunately, these resistance barriers are often overcome by pathogen evolution within just a few seasons. In this study, we explore the evolutionary mechanisms that enable pathogens to overcome plant resistance by leveraging two Pseudomonas syringae pv. maculicola strains that differ in their ability to cause disease on the model host Arabidopsis thaliana. We first characterise the molecular basis of the adaptation that enabled the P. syringae pv. maculicola PmaES4326 to overcome rps5-mediated resistance through a direct modification to its hopAR1 effector. We then show that through in planta evolution, the initially nonpathogenic strain P. syringae pv. maculicola PmaYM7930 can rapidly adapt to overcome rps5-mediated resistance via low-frequency mutations that do not involve direct modifications to hopAR1. This result was especially surprising because hopAR1 is known to be associated with mobile genetic elements that enable increased evolutionary plasticity. The rapid ability of P. syringae to overcome effector-triggered immunity without direct modifications to hopAR1 reveals that the genetic mechanisms enabling pathogens to overcome host resistance are more diverse than is currently recognised. This result has important implications for the development of more stably resistant crops that can resist various forms of pathogen evolution.
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 | 0,001 | 0,001 |
| 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 ».