Metabolic activity assessment of polar microorganisms and metabolic characterization of the cold-adapted «Rhodotorula» yeast JG1b
Bibliographic record
Abstract
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
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".