Les autotransporteurs auto-associatifs dâEscherichia coli : de facteurs de virulence à déterminants sociaux
Bibliographic record
Abstract
Les autotransporteurs monomériques représentent le système de sécrétion le plus simple et le plus utilisé chez les bactéries à Gram négatif. Les autotransporteurs monomériques sont des protéines modulaires qui contiennent toute l’information pour leur sécrétion dans leur séquence. Les phénotypes associés à l’expression d’un autotransporteur peuvent être très variés et, souvent, les autotransporteurs sont des protéines multifonctionnelles. C’est le cas notamment des autotransporteurs AIDA-I, TibA et Ag43 d’Escherichia coli qui promouvoient l’adhésion et l’invasion de cellules épithéliales, l’auto-agrégation des bactéries et la formation de biofilm. Ces trois autotransporteurs ont d’ailleurs été regroupés dans une même famille, appelée les autotransporteurs auto-associatifs (SAATs). À cause de leur fonctionnalité, les SAATs sont considérés comme étant d’importants facteurs de virulence d’Escherichia coli. Toutefois, il existe plusieurs différences entre les SAATs qui ne sont pas bien comprises, si bien que leur rôle pour les bactéries n’est toujours pas bien compris.\n\n\tNous avons donc d’abord caractérisé TibA, le membre des SAATs le moins bien étudié à l’aide d’une étude structure-fonction. Nous avons observé que TibA était une protéine modulaire et que son domaine fonctionnel était composé de deux modules : un module d’auto-agrégation en N-terminal et un module d’adhésion en C-terminal. En comparant nos résultats avec ceux obtenus pour les autres SAATs, nous avons réalisé que l’organisation des trois SAATs était très variée, c’est-à-dire que les trois SAATs sont composés de modules différents. Nous avons par ailleurs observé cet arrangement en modules lorsque nous avons analysé plusieurs séquences d’aidA, suggérant qu’un mécanisme d’échange et d’acquisition de modules était à la base de l’évolution des SAATs. Sans surprise, nous avons aussi observé que la famille des SAATs ne se limitait pas à AIDA-I, TibA et Ag43 et ne se limitait pas à Escherichia coli. \n\n\tLa comparaison a aussi révélé l’importance du phénotype d’auto-agrégation dans la fonctionnalité des SAATs. Nous avons donc entrepris une étude du mécanisme d’auto-agrégation. Nos résultats on montré que l’auto-agrégation était le résultat d’une interaction directe SAAT/SAAT et ont mis en évidence un mécanisme similaire à celui utilisé par les cadhérines eucaryotes. De plus, nous avons observé que, comme les cadhérines, les SAATs étaient impliqués dans des interactions homophiliques; un SAAT interagit donc spécifiquement avec lui-même et non avec un différent SAAT.\n\n\tFinalement, les SAATs font parties des quelques protéines qui sont glycosylées chez Escherichia coli. Nous avons déterminé que le rôle de la glycosylation de TibA était de stabiliser la protéine et de lui donner la flexibilité nécessaire pour moduler sa conformation et, ainsi, être pleinement fonctionnelle.\n\n\tGlobalement, nos résultats suggèrent que les SAATs sont des molécules « cadhérines-like » qui permettent la reconnaissance de soi chez les bactéries. Une telle habilité à discriminer entre le soi et le non-soi pourrait donc être utilisée par les bactéries pour organiser les communautés bactériennes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".