Metabolic activity assessment of polar microorganisms and metabolic characterization of the cold-adapted «Rhodotorula» yeast JG1b
Notice bibliographique
Résumé
La cryosphère de la Terre contient des habitats parmi les plus extrêmes de notre planète, avec les régions polaires offrant des conditions parmi les plus sèches, froides et salées pour la vie microbienne. Ceci incluant le pergélisol, la glace, les sources d’eau hypersalines et les lacs sous-glaciaires. Malgré cela, plusieurs microorganismes adaptés au froid sont capables d’activité métabolique et même de croissance in situ dans ces environnements. La présence de microorganismes dans les cryoenvironnements démontre la possibilité que d’autres astres planétaires, tels que Mars, Europe et Encelade, pourraient abriter et supporter des formes de vie microbiennes existantes. Toutefois, aucun instrument de détection de vie microbienne n’a été inclus dans une mission spatiale depuis les missions Vikings de la NASA dans les années 1970. Ainsi, les instruments scientifiques actuellement utilisés ne focalisent que sur la détection de biosignatures. De plus, les stratégies d’adaptation microbienne aux basses températures ne sont toujours pas bien comprises et l’étude de ces adaptations est soumise à plusieurs défis. La présente thèse vise à présenter une façon simple et nouvelle d’identifier et de caractériser l’activité métabolique microbienne dans un contexte astrobiologique, ainsi qu’à contribuer aux connaissances actuelles sur les métabolismes microbiens de croissance adaptés au froid.Premièrement, j’ai décrit le développement et l’essai d’un instrument de détection d’activité métabolique novateur, le microfluidics Microbial Activity MicroAssay (µMAMA). La plateforme µMAMA est un des premiers instruments automatisés de détection de la vie. Avec cette technologie basée sur les indicateurs de métabolisme colorants redox, j’ai détecté avec succès de l’activité microbienne avec aussi peu de 102 cellules/ml et avons caractérisé les communautés microbiennes de plusieurs échantillons environnementaux de l’île Cornwallis, dans l’Arctique Extrême canadien, un site astrobiologique analogue pertinent. J’ai aussi identifié les limites du contexte chimique dans lequel le µMAMA permet d’obtenir un signal d’activité métabolique microbienne clair et robuste.De plus, j’ai caractérisé les stratégies d’adaptation au froid de la nouvelle souche de levure Rhodotorula JG1b, isolée d’un pergélisol cimenté dans de la glace vielle d’environ 150 000 ans. Pour ce faire, j’ai combiné une analyse transcriptomique d’ARNm et de miARN, un profilage phénotypique et une évaluation de la production d’éthanol à 0°C et 23°C. Les résultats suggèrent que Rhodotorula JG1b change d’un métabolisme principalement respiratoire en conditions optimales à 23°C vers un métabolisme de fermentation en conditions similaires à son environnement naturel, confirmé par la détection de production d’éthanol dans les cultures à 0°C seulement. Ceci représente la température la plus froide de production d’éthanol documentée à ce jour, sans l’aide de biocatalyseurs. J’ai aussi détecté une régulation positive de plusieurs adaptations au froid bien connues chez Rhodotorula JG1b. Plus important encore, les résultats impliquent que la régulation de l’expression génique post-transcriptionnel et l’extinction d’ARNm par miRNA chez Rhodotorula est potentiellement une nouvelle adaptation clé chez les levures de la cryosphère
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».