Genomic islands in <i>Pseudomonas</i> encode modular hotspots of defence and anti-defence systems
Notice bibliographique
Résumé
Abstract Bacteria use diverse defence systems to resist phage predation, many of which cluster within mobile genetic elements (MGEs) and defence islands. In Pseudomonas aeruginosa, genomic and pathogenicity islands—such as the pathogenicity islands (PAPI), genomic islands (PAGI), and Liverpool epidemic strain islands (LESGI)—have been linked to virulence and adaptation, but their contribution to the organization and spread of defence systems remains unexplored. Here, we show that these islands serve as hubs for the assembly and spread of defence systems, revealing an underappreciated role in shaping the bacterium’s antiviral arsenal. We identify 11 conserved hotspots that encode defence and anti-defence genes, but rarely co-occur with virulence factors, resistance genes, or interbacterial competition modules. The frequent co-occurrence of defence and anti-defence genes within these loci points to an ongoing, intense molecular arms race between bacteria, MGEs, and lytic phages. Notably, these hotspots are found beyond their original island contexts, appearing across diverse Pseudomonas species and, in some cases, other genera. Together, our findings expand the known bacterial immunity landscape in P. aeruginosa, redefine the roles of these islands as defence and anti-defence reservoirs, and establish a framework for scalable discovery and annotation of novel defence and anti-defence systems in bacterial genomes.
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) | 0,000 | 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 ».