Informations

Les archées subissent-elles les mêmes processus de transfert horizontal de gènes que les bactéries ?

Les archées subissent-elles les mêmes processus de transfert horizontal de gènes que les bactéries ?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Les archées subissent-elles également des processus comme la conjugaison, la transformation, etc. ? Sinon, ont-ils leurs propres méthodes de transfert horizontal de gènes ? Les bactéries peuvent-elles se conjuguer avec les archées ?


Wagner A, Whitaker RJ, Krause DJ, Heilers JH, van Wolferen M, van der Does C, Albers SV (2017) Mécanismes du flux de gènes chez les archées. Nat Rev Microbiol 15 : 492-501.

L'échange de matériel génétique est une force motrice majeure pour l'évolution du génome à travers l'arbre de la vie et a un rôle dans spéciation des archées, adaptation et maintien de la diversité.


Soucy SM, Huang J, Gogarten JP (2015) Transfert horizontal de gènes : construire la toile de la vie. Révérend Nat Genet 16 : 472-482.

Transfert horizontal de gènes (HGT) est le partage de matériel génétique entre des organismes qui ne sont pas dans une relation parent-enfant. HGT est un mécanisme d'adaptation largement reconnu chez les bactéries et les archées.


Fuchsman CA, Collins RE, Rocap G, Brazelton WJ (2017) Effet de l'environnement sur le transfert horizontal de gènes entre bactéries et archées. PairJ 29 : e3865.

Points chauds potentiels de transfert horizontal de gènes entre archées et bactéries comprennent des sources chaudes, des sédiments marins et des puits de pétrole.


Identification des contraintes influençant l'évolution des génomes bactériens dans le super-phylum du PVC

Le transfert horizontal joue un rôle important dans l'évolution des génomes bactériens, mais il obéit à plusieurs contraintes, dont l'opportunité écologique de rencontrer d'autres organismes, la présence de systèmes de transfert et la fitness des gènes transférés. Les bactéries du Planctomycètes, Verrumicrobia, Chlamydiae (PVC) ont un plan cellulaire compartimenté délimité par une membrane intracytoplasmique qui pourrait constituer une contrainte supplémentaire avec un impact particulier sur l'évolution bactérienne. Dans cette enquête, nous avons étudié l'évolution de 33 génomes d'espèces PVC et nous nous sommes concentrés sur le taux et la nature des séquences transférées horizontalement en fonction de leur habitat et de leur plan cellulaire.

Résultats

Par une approche phylogénomique comparative, nous avons montré que l'habitat influence l'évolution du contenu du génome bactérien et le flux de transfert horizontal d'ADN (HT). Ainsi les bactéries du sol, des insectes et des bactéries ubiquitaires présentaient la moyenne de transfert horizontal la plus élevée par rapport aux bactéries vivant dans l'eau, les bactéries extracellulaires chez les vertébrés, les bactéries des amibes et les bactéries intracellulaires chez les vertébrés (avec une moyenne de 379 contre 110 événements par espèce, respectivement et 7,6% de chacun des génomes dus à l'HT contre 4,8%). Les partenaires de ces transferts étaient majoritairement des organismes bactériens (94,9%) ils nous ont permis de différencier les bactéries environnementales, qui échangeaient davantage avec Protéobactéries, et des bactéries de vertébrés, qui échangeaient davantage avec Firmicutes. L'analyse fonctionnelle des transferts horizontaux a révélé une évolution convergente, avec une sur-représentation des gènes codant pour la biogenèse membranaire et le métabolisme lipidique, parmi les bactéries compartimentées dans les différents habitats.

Conclusion

La présence d'une membrane intracytoplasmique chez les espèces de PVC semble affecter l'évolution du génome à travers la sélection de l'ADN transféré, en fonction de leurs fonctions codées.


Fond

Différentes méthodes de calcul d'un arbre consensus pour un ensemble donné d'arbres phylogénétiques ont été proposées [1]. Les types d'arbres de consensus les plus connus sont l'arbre de consensus strict, l'arbre de consensus majoritaire et l'arbre de consensus majoritaire étendu [1, 2]. L'arbre de consensus strict ne contient que les arêtes communes à tous les arbres d'entrée. L'arbre de consensus majoritaire contient les arêtes qui sont présentes dans plus de 50 % des arbres d'entrée, bien que des pourcentages plus élevés puissent également être pris en compte. Selon la règle de la majorité étendue, l'arbre de consensus comprend tous les arcs majoritaires auxquels s'ajoutent progressivement les arcs résiduels compatibles, en commençant par les plus fréquents. Les arbres consensus majoritaires étendus sont les arbres consensus les plus fréquemment utilisés en biologie évolutive, car ils sont généralement bien mieux résolus (c'est-à-dire qu'ils ont un degré moyen de nœuds internes inférieur) que les arbres consensus stricts et majoritaires [2].

La sortie de la plupart des algorithmes d'arbre de consensus conventionnels est un arbre de consensus unique [1]. Cependant, dans de nombreuses situations pratiques, il est beaucoup plus approprié d'inférer plusieurs arbres de consensus. En biologie, il est souvent risqué de regrouper des arbres phylogénétiques correspondant à différents ensembles de gènes. Chaque gène a sa propre histoire évolutive qui peut considérablement différer des histoires évolutives d'autres gènes. Par exemple, certains gènes individuels ou groupes de gènes (par exemple, les opérons) affectés par des événements de transfert de gènes horizontaux spécifiques présenteront des schémas évolutifs différents de ceux du reste des gènes à l'étude [3-8]. L'histoire évolutive de tels gènes ou groupes de gènes sera représentée par des arbres phylogénétiques ayant des topologies différentes de celle de l'arbre des espèces qui représente l'évolution des gènes qui n'ont pas subi de transferts de gènes. De plus, l'homogénéité d'un ensemble donné de gènes peut également être affectée par d'anciens événements de duplication provoquant l'émergence d'allèles paralogues.

Il existe plusieurs outils de calcul pour analyser et visualiser des ensembles d'arbres phylogénétiques incompatibles, notamment SplitsTree [9], Dendroscope [10] et DensiTree [11]. Ces programmes permettent d'inférer différents types de réseaux phylogénétiques qui peuvent être considérés comme des alternatives aux multiples arbres de consensus. Hollande et al. [12] ont été parmi les premiers à discuter d'une approche de construction de consensus utilisant le réseau de divisions. Hollande et al. ont comparé les arbres génétiques des génomes de levure et démontré que les réseaux de consensus peuvent être utiles pour décrire des signaux contradictoires cachés existant dans la phylogénie des espèces.

Ainsi, la question de savoir si un arbre de consensus unique ou plusieurs arbres de consensus caractérisent le mieux un ensemble donné de phylogénies se pose comme une alternative aux approches de reconstruction de réseau phylogénétique. Si les phylogénies données sont topologiquement congruentes, elles doivent être combinées en un seul arbre de consensus. Cependant, si ces phylogénies englobent des signaux génétiques contradictoires, elles devraient être organisées en plusieurs arbres de consensus, chacun représentant un modèle évolutif spécifique [13-15]. La figure 1 montre quatre arbres phylogénétiques T1, T2, T3 et T4 avec sept feuilles. Ici, la solution consistant en deux arbres de consensus de règle majoritaire, T12 et T34, semble être beaucoup plus appropriée que la solution consistant en un arbre de consensus majoritaire unique, T1234, c'est-à-dire ici un arbre étoilé, donné par l'approche traditionnelle du consensus majoritaire.

Quatre arbres phylogénétiques T1, T2, T3 et T4 défini sur le même ensemble de sept feuilles. Leur arbre de consensus de règle majoritaire est un arbre étoilé T1234. Les arbres de consensus de la règle majoritaire, T12 et T34, construit pour les paires d'arbres topologiquement proches : T1 et T2, et T3 et T4, respectivement

Dans cet article, nous décrivons un nouvel algorithme pour déterminer des groupes d'arbres homogènes qui peuvent être combinés afin d'inférer plusieurs arbres de consensus. L'idée de construire plusieurs arbres de consensus a été formulée à l'origine par Maddison [16] qui a constaté que les arbres de consensus de certains sous-ensembles d'un ensemble donné d'arbres peuvent différer et qu'ils sont généralement mieux résolus que l'arbre de consensus de l'ensemble. Ensuite, Stockham et al. [17] ont proposé deux variantes d'un algorithme de clustering d'arbres basé sur k-means, qui étaient censés déduire un ensemble d'arbres de consensus stricts (appelés arbres caractéristiques) minimisant la perte d'information. Cependant, ces méthodes étaient très coûteuses en termes de temps d'exécution car les arbres de consensus devaient être déterminés pour chaque ensemble de clusters dans toutes les solutions de partitionnement intermédiaires testées par k-moyens. Bonnard et al. [13] ont décrit une méthode, appelée Multipolar Consensus, pour afficher toutes les divisions d'un ensemble donné d'arbres phylogénétiques ayant un support supérieur à un seuil prédéfini, en utilisant un nombre minimum possible d'arbres de consensus. Les auteurs ont indiqué que les signaux secondaires biologiquement pertinents, qui seraient normalement absents dans un arbre de consensus classique, peuvent être capturés par la méthode du consensus multipolaire, fournissant ainsi un outil d'exploration pratique pour l'analyse phylogénétique. Cette méthode permet d'afficher plus de signaux évolutifs secondaires qu'il n'est proposé par le consensus de la règle de la majorité élargie sans rendre possibles les choix arbitraires qui sont habituellement faits dans cette méthode de consensus. Dans son article récent, Guénoche [14] a présenté une méthode pour partitionner les arbres phylogénétiques en un seul cluster (K=1, lorsque les arbres de gènes donnés sont homogènes) ou plusieurs clusters (K>1, lorsque les arbres de gènes donnés sont divergents). Un score de partition généralisé, calculé sur un ensemble de partitions arborescentes, est calculé par la méthode de Guénoche afin de déterminer le nombre de clusters, K, dans lequel un ensemble donné d'arbres génétiques doit être partitionné. Guénoche a validé sa méthode à la fois sur des données simulées, c'est-à-dire des ensembles aléatoires d'arbres organisés en différents groupes topologiques, et sur des données réelles, c'est-à-dire un ensemble d'arbres génétiques non homogènes de 30 E.coli souches supposées être affectées par les transferts horizontaux de gènes. Le programme MCT (Multiple Consensus Trees) développé par l'auteur reste l'un des rares logiciels d'inférence d'arbres de consensus multiples, disponible pour la communauté des chercheurs.

Nous décrirons une nouvelle méthode de clustering d'arbres qui s'appuie sur des versions spécifiques de Silhouette (SH) [18] et Caliński-Harabasz (CH) [19] indices adaptés pour le clustering d'arbres avec k-medoids. Ces indices de validité de cluster seront utilisés pour déterminer le meilleur partitionnement obtenu sur plusieurs départs aléatoires de k-medoids [20] lorsque le nombre de clusters est fixé, puis de sélectionner le nombre optimal de clusters pour un ensemble donné d'arbres.


Singh, B. K., Bardgett, R. D., Smith, P. & Reay, D. S. Microorganismes et changement climatique : rétroactions terrestres et options d'atténuation. Nat. Rév. Microbiol. 8, 779–790 (2010).

Chistoserdova, L. & Kalyuzhnaya, M. G. Tendances actuelles de la méthylotrophie. Tendances Microbiol. 26, 703–714 (2018).

Borrel, G. et al. Grande diversité des métabolismes du méthane et des alcanes à chaîne courte chez les archées non cultivées. Nat. Microbiole. 4, 603–613 (2019).

Chistoserdova, L. et al. Les planctomycètes énigmatiques pourraient détenir une clé des origines de la méthanogenèse et de la méthylotrophie. Mol. Biol. Évol. 21, 1234–1241 (2004).

Chistoserdova, L. Une large distribution de gènes pour les réactions de transfert C1 liées à la tétrahydrométhanotérine/méthanofurane plaide en faveur de leur présence dans l'ancêtre commun des bactéries et des archées. Devant. Microbiole. 7, 1425 (2016).

Weiss, M.C. et al. La physiologie et l'habitat du dernier ancêtre commun universel. Nat. Microbiole. 1, 16116 (2016).

Borrel, G., Adam, P. S. & Gribaldo, S. Méthanogenèse et la voie Wood-Ljungdahl : une association ancienne, polyvalente et fragile. Génome Biol. Évol. 8, 1706–1711 (2016).

Fuchs, G. Voies alternatives de fixation du dioxyde de carbone : un aperçu de l'évolution précoce de la vie ? Annu. Rév. Microbiol. 65, 631–658 (2011).

Laso-Pérez, R. et al. Les archées thermophiles activent le butane via la formation d'alkyl-coenzyme M. La nature 539, 396–401 (2016).

Chistoserdova, L. Modularité de la méthylotrophie, revisitée. Environ. Microbiole. 13, 2603–2622 (2011).

Chistoserdova, L., Vorholt, J. A., Thauer, R. K. & Lidstrom, M. E. C1 transfèrent les enzymes et les coenzymes liant les bactéries méthylotrophes et les archées méthanogènes. Science 281, 99–102 (1998).

Vorholt, J. A., Chistoserdova, L., Stolyar, S. M., Thauer, R. K. & Lidstrom, M. E. Distribution des enzymes dépendantes de la tétrahydrométhanotérine dans les bactéries méthylotrophes et phylogénie des cyclohydrolases de méthényl tétrahydrométhanotérine. J. Bactériol. 181, 5750–5757 (1999).

Bauer, M. et al. Gènes de type archée pour les enzymes de transfert C1 chez les planctomycètes : implications phylogénétiques de leur présence inattendue dans ce phylum. J. Mol. Évol. 59, 571–586 (2004).

Kalyuzhnaya, M.G. et al. L'analyse des îlots de gènes impliqués dans les réactions de transfert de C1 liées à la méthanoptérine révèle de nouvelles fonctions et fournit des informations sur l'évolution. J. Bactériol. 187, 4607–4614 (2005).

Butterfield, C.N. et al. Les analyses protéogénomiques indiquent que la méthylotrophie bactérienne et l'hétérotrophie des archées sont répandues sous la zone racinaire. PairJ 4, e2687 (2016).

Ettwig, K.F. et al. Oxydation anaérobie du méthane induite par les nitrites par des bactéries oxygénées. La nature 464, 543–548 (2010).

Muñoz-Velasco, I. et al. Méthanogenèse aux premiers stades de la vie : ancienne mais pas primordiale. Orig. Évolution de la vie. Biosph. 48, 407–420 (2018).

Raymann, K., Brochier-Armanet, C. & Gribaldo, S. L'arbre de vie à deux domaines est lié à une nouvelle racine pour les archées. Proc. Natl Acad. Sci. Etats-Unis 112, 6670–6675 (2015).

Adam, P. S., Borrel, G., Brochier-Armanet, C. & Gribaldo, S. L'arbre croissant des archées : nouvelles perspectives sur leur diversité, leur évolution et leur écologie. ISME J. 11, 2407–2425 (2017).

Ramamoorthy, S. et al. Desulfosporosinus lacus sp. nov., une bactérie sulfato-réductrice isolée de sédiments lacustres d'eau douce vierges. Int. J. Syst. Évol. Microbiole. 56, 2729–2736 (2006).

Davidova, I.A. et al. Dethiosulfatarculus sandiegensis gén. nov., sp. nov., isolé d'une culture d'enrichissement méthanogène dégradant la paraffine et description corrigée de la famille des desulfarculaceae. Int. J. Syst. Évol. Microbiole. 66, 1242–1248 (2016).

Adam, P. S., Borrel, G. & Gribaldo, S. Histoire évolutive de la monoxyde de carbone déshydrogénase/acétyl-CoA synthase, l'un des plus anciens complexes enzymatiques. Proc. Natl Acad. Sci. Etats-Unis 115, E1166–E1173 (2018).

Sousa, F. L. & Martin, W. F. Fossiles biochimiques de l'ancienne transition de la géoénergétique à la bioénergétique dans le métabolisme procaryote à un composé carboné. Biochim. Biophys. Acta 1837, 964–981 (2014).

Chistoserdova, L., Rasche, M. E. & Lidstrom, M. E. Nouveaux gènes de biosynthèse de la déphosphotétrahydrométhanotérine découverts par mutagenèse dans Methylobacterium extorquens AM1. J. Bactériol. 187, 2508–2512 (2005).

Pomper, B. K., Saurel, O., Milon, A. & Vorholt, J. A. Génération de formiate par le complexe formyltransférase/hydrolase (Fhc) à partir de Methylobacterium extorquens AM1. FEBS Lett. 523, 133–137 (2002).

Wagner, T., Ermler, U. & Shima, S. Le CO méthanogène2 l'enzyme réductrice et fixatrice est bifonctionnelle et contient 46 amas [4Fe-4S]. Science 354, 114–117 (2016).

Crowther, G. J., Kosaly, G. & Lidstrom, M. E. Formate comme principal point de branchement pour le métabolisme méthylotrophique dans Methylobacterium extorquens AM1. J. Bactériol. 190, 5057–5062 (2008).

Bar-Even, A., Noor, E. & Milo, R. Une enquête sur les voies de fixation du carbone à travers une lentille quantitative. J. Exp. Bot. 63, 2325–2342 (2012).

Figueroa, I.A. et al. L'analyse guidée par la métagénomique de l'oxydation microbienne du phosphite chimiolithoautotrophe met en évidence un septième CO naturel2 voie de fixation. Proc. Natl Acad. Sci. Etats-Unis 115, E92-E101 (2018).

Vorholt, J. A., Marx, C. J., Lidstrom, M. E. & Thauer, R. K. Nouvelle enzyme d'activation du formaldéhyde dans methylobacterium extorquens AM1 requise pour la croissance sur méthanol. J. Bactériol. 182, 6645–6650 (2000).

Lin, Z. & Sparling, R. Investigation of serine hydroxymethyltransferase in methanogens. Pouvez. J. Microbiol. 44, 652–656 (1998).

Schwartz, E., Fritsch, J. & Friedrich, B. dans Les Procaryotes (eds Rosenberg, E. et al.) 119-199 (Springer, 2013).

Begemann, M. B., Mormile, M. R., Sitton, O. C., Wall, J. D. & Elias, D. A. Une stratégie rationalisée pour la production de biohydrogène avec Halanaérobium hydrogéniformans, une bactérie alcaliphile. Devant. Microbiole. 3, 93 (2012).

Maune, M. W. & Tanner, R. S. Description de Anaerobaculum hydrogéniformans sp. nov., un anaérobie qui produit de l'hydrogène à partir du glucose, et une description corrigée du genre Anaérobaculum. Int. J. Syst. Évol. Microbiole. 62, 832–838 (2012).

Liang, R., Grizzle, R. S., Duncan, K. E., McInerney, M. J. & Suflita, J. M. Rôles des bactéries thermophiles réduisant le thiosulfate et des archées méthanogènes dans la biocorrosion des oléoducs. Devant. Microbiole. 5, 89 (2014).

Kasting, J. F. Méthane et climat à l'époque précambrienne. Rés précambrienne. 137, 119–129 (2005).

Ueno, Y., Yamada, K., Yoshida, N., Maruyama, S. & Isozaki, Y. Preuve d'inclusions de fluides pour la méthanogenèse microbienne au début de l'ère archéenne. La nature 440, 516–519 (2006).

Slotznick, S.P. & Fischer, W.W. Examen de la méthanotrophie archéenne. Planète Terre. Sci. Lett. 441, 52–59 (2016).

Summons, R. E., Jahnke, L. L. & Roksandic, Z. Fractionnement isotopique du carbone dans les lipides des bactéries méthanotrophes: pertinence pour l'interprétation de l'enregistrement géochimique des biomarqueurs. Géochim. Cosmochim. Acta 58, 2853–2863 (1994).

Jahnke, L. L., Summons, R. E., Hope, J. M. & Des Marais, D. J. Fractionnement isotopique du carbone dans les lipides des bactéries méthanotrophes II: les effets de la physiologie et des paramètres environnementaux sur la biosynthèse et les signatures isotopiques des biomarqueurs. Géochim. Cosmochim. Acta 63, 79–93 (1999).

Battistuzzi, F. U. & Hedges, S. B. Un clade majeur de procaryotes avec des adaptations anciennes à la vie sur terre. Mol. Biol. Évol. 26, 335–343 (2009).

Haqq-Misra, J. D., Domagal-Goldman, S. D., Kasting, P. J. & Kasting, J. F. Une serre à méthane brumeuse révisée pour la terre archéenne. Astrobiologie 8, 1127–1137 (2008).

Konhauser, K.O. et al. Épuisement du nickel océanique et famine du méthanogène avant le grand événement d'oxydation. La nature 458, 750–753 (2009).

Catling, D. C., Claire, M. W. & Zahnle, K. J. Méthanotrophie anaérobie et augmentation de l'oxygène atmosphérique. Philos. Trans. R. Soc. Un Maths. Phys. Ing. Sci. 265, 1867–1888 (2007).

Daines, S. J. & Lenton, T. M. L'effet des écosystèmes marins aérobies précoces répandus sur le cycle du méthane et la grande oxydation. Planète Terre. Sci. Lett. 434, 42–51 (2016).

Markowitz, V.M. et al. IMG : la base de données intégrée des génomes microbiens et le système d'analyse comparative. Acides nucléiques Res. 40, D666–D677 (2012).

Wrighton, K.C. et al. Fermentation, métabolisme de l'hydrogène et du soufre dans plusieurs phylums bactériens non cultivés. Science 337, 1661–1665 (2012).

Hyatt, D. et al. Prodigal : reconnaissance de gènes procaryotes et identification du site d'initiation de la traduction. BMC Bioinforma. 11, 119 (2010).

Kanehisa, M., Furumichi, M., Tanabe, M., Sato, Y. & Morishima, K. KEGG : nouvelles perspectives sur les génomes, les voies, les maladies et les médicaments. Acides nucléiques Res. 45, D353–D361 (2017).

Johnson, L. S., Eddy, S. R. & Portugaly, E. Hidden Markov modèle vitesse heuristique et procédure de recherche itérative HMM. BMC Bioinforma. 11, 431 (2010).

Garcia, P. S., Jauffrit, F., Grangeasse, C. & Brochier-Armanet, C. GeneSpy, un visualiseur de contexte génomique convivial et flexible. Bioinformatique 35, 329–331 (2019).

Abby, S. S., Néron, B., Ménager, H., Touchon, M. & Rocha, E. P. C. MacSyFinder : un programme pour extraire des génomes pour des systèmes moléculaires avec une application aux systèmes CRISPR-Cas. PLoS UN 9, e110726 (2014).

Edgar, R. C. MUSCLE : alignement de séquences multiples avec une précision élevée et un débit élevé. Acides nucléiques Res. 32, 1792–1797 (2004).

Criscuolo, A. & Gribaldo, S. BMGE (bloc mapping et collecte avec entropie) : un nouveau logiciel pour la sélection de régions informatives phylogénétiques à partir d'alignements de séquences multiples. BMC Évol. Biol. 10, 210 (2010).

Nguyen, L. T., Schmidt, H. A., von Haeseler, A. & Minh, B. Q. IQ-TREE : un algorithme stochastique rapide et efficace pour estimer les phylogénies de vraisemblance maximale. Mol. Biol. Évol. 32, 268–274 (2015).

Kobert, K., Salichos, L., Rokas, A. & Stamatakis, A. Calcul de la certitude des entre-nœuds et mesures connexes à partir d'arbres génétiques partiels. Mol. Biol. Évol. 33, 1606–1617 (2016).

Stamatakis, A. RAxML-VI-HPC : analyses phylogénétiques basées sur le maximum de vraisemblance avec des milliers de taxons et de modèles mixtes. Bioinformatique 22, 2688–2690 (2006).

Hoang, D. T., Chernomor, O., von Haeseler, A., Minh, B. Q. & Vinh, L. S. UFBoot2 : amélioration de l'approximation du bootstrap ultrarapide. Mol. Biol. Évol. 35, 518–522 (2017).

Lartillot, N., Lepage, T. & Blanquart, S. PhyloBayes 3: un progiciel bayésien pour la reconstruction phylogénétique et la datation moléculaire. Bioinformatique 25, 2286–2288 (2009).

Kanehisa, M., Sato, Y. & Morishima, K. BlastKOALA et GhostKOALA : outils KEGG pour la caractérisation fonctionnelle des séquences du génome et du métagénome. J. Mol. Biol. 428, 726–731 (2016).

Altschul, S. F., Gish, W., Miller, W., Myers, E. W. & Lipman, D. J. Outil de recherche d'alignement local de base. J. Mol. Biol. 215, 403–410 (1990).

Overbeek, R. et al. Le SEED et l'annotation rapide des génomes microbiens à l'aide de la technologie des sous-systèmes (RAST). Acides nucléiques Res. 42, D206–D214 (2014).

Parks, D. H., Imelfort, M., Skennerton, C. T., Hugenholtz, P. & Tyson, G. W. CheckM : évaluation de la qualité des génomes microbiens récupérés à partir d'isolats, de cellules uniques et de métagénomes. Génome Res. 25, 1043–1055 (2015).


Spéculations et conclusions

L'idée ancienne selon laquelle le repliement des protéines est mieux préservé que la séquence tout au long de l'évolution (Schulz et Schirmer 1979) est pleinement acceptée de nos jours. Le domaine A des séquences AAMY est un excellent exemple de la préservation du repliement - le barillet TIM - avec une perte générale simultanée de similarité de séquence. En fait, les séquences de gènes ont divergé au cours de l'évolution à partir du « premier gène AAMY » de telle sorte que seuls les quatre segments indiqués dans le tableau 4 sont facilement identifiés lorsque les AAMY appartenant à des groupes non apparentés sont comparés. Comme nous l'avons également signalé, les caractéristiques structurelles de l'hélice qui joint les résidus conservés Gly (LA2) et Aspic (βA3) sont également extraordinairement bien conservés.

Nos résultats suggèrent une hypothèse générale pour l'évolution du domaine A dans les AAMY qui implique deux vagues d'événements évolutifs. Dans la première vague, un ensemble limité de gènes a fortement divergé de leur gène ancestral commun, ou premier AAMY. Ces AAMY de « première génération » avaient probablement un très faible SI entre eux, avaient des longueurs différentes et étaient les précurseurs de certains des groupes non apparentés illustrés à la figure 2. Par conséquent, les seules caractéristiques que les AAMY de première génération ont conservées du gène d'origine étaient (1) les quatre segments indiqués dans le tableau 4, (2) la structure 3-D et (3) les caractéristiques de l'hélice αA2. Quelques exemples de ces AAMY de première génération sont l'ancêtre commun pour AII/BV/EI, celui pour BVIII/EIII, et celui pour BIV/EII. Chacun de ces AAMY de première génération évoluerait davantage dans une deuxième vague pour produire les séquences qui forment chaque cluster (chaque AAMY de première génération donne un cluster différent). Ces séquences « de deuxième génération » ne divergent que faiblement par rapport à celles de la première vague et constituent les AAMY contemporaines. Au cours de cette deuxième vague, HGT pourrait générer les similitudes inter-royaumes entre les clusters (AII/BV/EI, BIV/EII et BVIII/EIII). En ce sens, Mazodier et Davies (1991) ont suggéré que la similarité de séquence entre les AAMY de StrLm (P09794 cluster BVIII) et celles de mammifères et d'invertébrés (cluster EIII) trouvée par Long et al. (1987) pourrait être la preuve d'un transfert naturel de gènes entre des organismes éloignés. Mazodier et Davies (1991) ont suggéré que la direction HGT serait d'Eukaryota à Streptomyces.

L'arbre de regroupement pour les bactéries présente deux caractéristiques que l'on ne retrouve pas dans les arbres pour Archaea et Eukaryota : (1) la dispersion en différents groupes de séquences AAMY provenant soit de la même espèce, soit d'espèces étroitement apparentées (basées sur des motifs taxonomiques) et son contraire (le regroupement d'AAMY d'organismes très éloignés), et (2) que des séquences AAMY peu apparentées coexistent fréquemment dans les génomes de certaines espèces et sont incluses dans différents groupes. Suite à l'hypothèse générale mentionnée ci-dessus pour l'évolution du domaine A dans les AAMY, nous suggérons que les événements évolutifs qui ont donné lieu à cette distribution spéciale des AAMY bactériens se sont produits au cours de la première vague. Cette hypothèse repose sur le fait que les séquences affectées par ces phénomènes évolutifs sont parfaitement cohérentes avec les caractéristiques du reste des séquences de l'amas. Par conséquent, cela prouve qu'ils partagent le même ancêtre commun.

On peut se demander quels événements évolutifs sont responsables du fait que la classification des gènes bactériens AAMY n'est pas cohérente avec la classification actuelle de l'espèce. Probablement, le premier gène AAMY a évolué pour donner naissance à l'ensemble limité des AAMY de première génération de deux manières différentes : (1) des duplications de gènes suivies d'une évolution parcimonie indépendante, et (2) HGT. En plus de l'AAMY, la superfamille GH-13 comprend 18 autres activités enzymatiques. Il existe des preuves fonctionnelles ( Kuriki et Imanaka 1999 ) et basées sur des séquences (del-Rio, Morett et Soberon 1997 Garcia-Vallvé, Palau et Romeu 1999 ) que le « premier » GH-13 dans un génome peut donner lieu à un ensemble de paralogues par duplication massive de gènes. A posteriori, ces séquences peuvent évoluer par évolution parcimonieuse indépendante et acquisition de spécificités subtilement différentes pour obtenir le reste de la GH-13 dans le génome. Néanmoins, de nouveaux gènes de glycoside hydrolase peuvent également être acquis par un génome d'une manière radicalement différente : par HGT à partir d'un organisme exogène ( Mazodier et Davies 1991 Garcia-Vallvé, Palau et Romeu 1999 Garcia-Vallvé, Romeu et Palau 2000 ). Figure 2B montre que des séquences AAMY peu apparentées coexistent dans les génomes de certaines espèces bactériennes. Très probablement, il en va de même pour d'autres bactéries, mais pour le moment, un seul gène a été caractérisé. Par conséquent, l'utilisation de génomes bactériens complets pourrait nous aider à découvrir s'il existe plus d'un gène AAMY et à tester leurs relations évolutives mutuelles, c'est-à-dire à déterminer s'il s'agit de paralogues ou si l'un d'entre eux est arrivé par HGT. Étant donné que l'attribution de fonction pour les séquences dérivées du génome est généralement obtenue par comparaison de séquences avec des protéines de fonction connue et non à partir d'une analyse biochimique, une telle étude ne devrait pas être limitée aux AAMY et devrait donc considérer tous les gènes GH-13. Seuls 11 des 25 génomes bactériens complets (Aquifex aeolicus, Bacillus subtilis, Chlamydia muridarum, Chlamydia pneumoniae, Chlamydia trachomatis, Deinococcus radiodurans, Escherichia coli, Haemophilus influenzae, Mycobacterium tuberculosis, Synechocystis sp., et Thermotoga maritima) possèdent au moins un GH-13 (93 gènes). Selon Garcia-Vallvé, Palau et Romeu (1999), les séquences GH-13 dans E. coli et B. subtilis semblent être le produit de la duplication d'un gène d'un ancêtre commun non atteint par HGT à leurs génomes (et il en va de même pour le GH-13 du reste des génomes bactériens complétés S. Garcia-Vallvé, communication personnelle). Les génomes bactériens, où coexistent des séquences AAMY peu apparentées (c. Une fois terminé, il serait intéressant d'étudier si ces gènes sont des paralogues ou le résultat de HGT. De telles informations permettraient de combler les lacunes de l'histoire de l'évolution d'AAMY.


Matériaux et méthodes

Les séquences de protéines déposées le 26 avril 1999 ont été importées de la base de données Swiss-All (formée par SwissProt, TrEMBL et mises à jour par Bairoch et Apweiler 1999) à l'aide du système de récupération de séquences de l'Institut bioinformatique européen (http://srs.ebi.ac .Royaume-Uni/). Nous n'avons considéré que les séquences AAMY bien identifiées (ni putatives, ni probables, ni hypothétiques) qui appartenaient aux glycoside hydrolases de la famille 13 (GH-13) et contenaient entièrement les domaines A et B caractéristiques. Toutes les séquences ont été raccourcies pour produire des segments similaires sur le plan informationnel qui correspondaient au strict (β/α)8 structure tonneau plus domaine B (segments A+B) (voir fig. 1 ). Par conséquent, ni la queue N-terminale ni le domaine C n'ont été pris en compte. Les segments d'acides aminés de référence utilisés pour définir les séquences A+B ont été obtenus en analysant les structures AAMY Protein Data Bank (PDB) (Berman et al. 2000). Plus précisément, nous avons pris les séquences PDB du premier résidu dans βA1 jusqu'au dernier résidu en βA8 comme notre référence. Les points de départ et d'arrivée des segments A+B dans les AAMY non cristallisés ont été facilement obtenus par des alignements locaux par rapport aux segments dérivés de PDB les plus similaires. La redondance pour les séquences A+B identiques obtenues à partir de la même espèce a été supprimée. Les séquences restantes constituaient notre « échantillon complet », qui est composé de 144 séquences (7 d'Archaea, 48 de Bacteria et 89 d'Eukaryota) de 87 espèces différentes. Toutes les classifications taxonomiques des sources AAMY ont été effectuées selon la base de données Taxonomy (http://www3.ncbi.nlm.nih.gov/Taxonomy/).

Dans un deuxième temps, tous les segments A+B ont été utilisés pour produire deux ensembles de séquences différents, l'un correspondant au domaine strict A et l'autre correspondant au domaine B. Là encore, la frontière entre les domaines a été obtenue en inspectant visuellement tous les AAMY. La séquence pour le domaine B va du résidu His hautement conservé situé après βA3 à quatre résidus en aval de l'Asp qui se lie au Ca 2+ (juste avant αA3, l'hélice précédant l'hélice hautement conservéeA4). Le domaine A a été obtenu en joignant les deux sous-segments à gauche et à droite du domaine B. Pour certaines séquences (par exemple, Q05884 [StrLi]), la limite C-terminale du domaine B était difficile à trouver. Dans ces cas particuliers, nous avons utilisé le serveur PSIpred (http://insulin.brunel.ac.uk/psipred) pour prédire la structure secondaire des séquences A+B correspondantes et identifier où αA3 a commencé. Ce serveur a été choisi car, lors de la dernière évaluation critique des techniques de prédiction de la structure des protéines (CASP3 http://PredictionCenter.llnl.gov/casp3/), il s'agissait de la méthode la plus précise de prédiction de structure secondaire testée, atteignant un total de trois précision de l'état de 77% sur 24 cibles de prédiction. Le serveur PSIpred a été utilisé (1) pour trouver les emplacements des brins dans le domaine A des séquences présentant une faible similitude globale avec les AAMY cristallisés et (2) pour confirmer les emplacements des structures secondaires déduites des alignements avec les séquences des structures cristallisées. Deux méthodes de prédiction proposées par le serveur ont été largement utilisées pour tester la cohérence des affectations de la structure secondaire. Ceux-ci étaient PSIpred pour prédire la structure secondaire des protéines et GenTHREADER pour prédire la structure tertiaire des protéines par reconnaissance de pli.

Pour éviter les biais dans nos résultats dus à des isozymes très similaires d'une espèce donnée dans l'échantillon complet, nous avons défini un « échantillon représentatif » AAMY. Le nouvel échantillon contenait donc 7 séquences d'Archaea, 44 de Bacteria et 61 d'Eukaryota et était composé d'AAMYs de différentes espèces biologiques et isozymes avec des indices de similarité (SI) inférieurs à 95% pour les domaines A et B. Les résultats présentés dans cet article, lorsqu'ils ne sont pas spécifiquement indiqués, proviennent de l'échantillon représentatif. L'ensemble des séquences AAMY qui forment cet échantillon est illustré à la figure 2, dans laquelle les séquences peuvent être identifiées par leurs numéros d'accession Swiss-All et les abréviations pour les noms des espèces sont composées des trois premières lettres du nom de genre suivies par les deux premières lettres du nom de l'espèce (par exemple, AerHy pour Aeromonas hydrophila). Les résultats de l'échantillon complet peuvent être obtenus en tant que matériel supplémentaire sur notre site Web (http://argo.urv.es/∼pujadas/AAMY/AAMY_01).

Les séquences GH-13 de génomes bactériens complets (http://www.ebi.ac.uk/genomes) ont été obtenues à partir de la base de données CAZy (http://afmb.cnrs-mrs.fr/∼pedro/CAZY/ghf_13.html ). L'analyse d'un mécanisme possible de transfert horizontal de gènes (HGT) pour l'évolution de la GH-13 dans des génomes bactériens complets a été fournie par S. Garcia-Vallvé (communication personnelle) et obtenue par la méthode de Garcia-Vallvé, Palau et Romeu (1999 ) .

La récupération des données cristallographiques, ainsi que les informations dérivées de la séquence et de la structure, ont été extraites de la base de données et des liens dans l'explorateur de structure (http://www.rcsb.org/pdb/). Les entrées PDB pour AAMY étaient les suivantes : 1BSI ( Rydberg et al. 1999 ), 1B2Y ( Qian et al. 1994 ), 1CPU (GD Brayer et al., communication personnelle), 1HNY ( Brayer, Luo et Withers 1995 ), et 1SMD ( Ramasubbu et al. 1996 ) de Homo sapiens 1BVN ( Wiegand, Epp et Huber 1995 ), 1DHK ( Bompard-Gilles et al. 1996 ), 1JFH ( Qian et al. 1997 ), 1OSE ( Gilles et al. 1996 ), 1PIF ( Machius et al. 1996 ), 1PIG ( Machius et al. 1996 ) et 1PPI ( Qian et al. 1994 ) de Sus scrofa 1JAE ( Strobl et al. 1998une ), 1TMQ ( Strobl et al. 1998b ), et 1VIW ( Nahoum et al. 1999 ) de Tenebrio molitor 1AMY ( Kadziola et al. 1994 ), 1AVA ( Vallée et al. 1998 ) et 1BG9 ( Kadziola et al. 1998 ) de Hordeum vulgare 2AAA ( Boel et al. 1990 ) de Aspergillus niger 2TAA ( Matsuura et al. 1984 ) et 6TAA et 7TAA ( Brzozowski et Davies 1997 ) de Aspergillus oryzae 1BLI ( Machius et al. 1998 ), 1BPL ( Machius, Wiegand et Huber 1995 ) et 1VJS ( Hwang et al. 1997 ) de Bacillus licheniformis 1BAG ( Fujimoto et al. 1998 ) de Bacillus subtilis et 1AQH, 1AQM ( Aghajari et al. 1998une ) et 1B0I ( Aghajari et al. 1998b ) de Pseudoalteromonas haloplanctis. Les résolutions de diffraction des rayons X et les facteurs R pour ces structures allaient de 1,6 à 3,2 et de 0,151 à 0,208, respectivement. Bien que 1BVZ de Thermoactinomyces vulgaris ( Kamitori et al. 1999 ) est considérée comme une AAMY dans son fichier PDB, une recherche FASTA (http://www2.ebi.ac.uk/fasta3/) a ​​montré que cette enzyme est une néopullulanase (EC 3.2.1.135) dont la séquence correspond exactement à l'entrée SwissProt NEPU_THEVU (Q08751).

Des alignements multi-séquences ont été réalisés pour les séquences protéiques de la base de données de travail avec l'algorithme CLUSTAL V ( Higgins et Sharp 1989 ) et le programme commercial MEGALIGN, version 3.16, du progiciel Lasergene (1997 DNASTAR, Inc., Londres, Angleterre) fonctionnant dans un Power Macintosh. Les dendrogrammes et les SI initiaux ont été calculés en appliquant les sous-programmes MEGALIGN disponibles qui calculaient le paramètre SI entre deux séquences (je et j) based on the method of Wilbur and Lipman (1983) with a gap penalty of 3, a K-tuple of 1, five top diagonals, and a window size of 5. The SI was calculated as the number of exactly matching residues in this alignment minus a “gap penalty” for every gap introduced. The result was then expressed as a percentage of the length of the shorter sequence. Multiple-alignment parameters (fixed and floating gap penalties) both had a value of 10. The protein weight matrix was PAM 250. We calculated the phylogenetic trees by the neighbor-joining method ( Saitou and Nei 1987 ) with 1,000 bootstrap replicates and a seed value of 111 with the CLUSTAL X program, version 1.8 ( Thompson et al. 1997 ). Unrooted trees were drawn with NJPLOT ( Perrière and Gouy 1996 ).

Hydrogen bonds involved in helix-capping interactions at the N- and C-terminal ends of αA2, along with distances between donors and acceptors, were analyzed using HBPLUS ( McDonald and Thornton 1994 ). The capping interactions were visually analyzed with the program Rasmol ( Sayle and Milner-White 1995 ) using a Silicon Graphics Indigo 2 XZ workstation. The DSSP algorithm included in Rasmol was used to determine the limits of β-strands which were not included in the PDB files (e.g., some of the β-strands in the TIM barrel of 1AQH), although their presence was obvious in the visualization.


Publications by authors named "Andrew Moore"

Division of Pulmonary and Critical Care Medicine, Stanford University School of Medicine, Stanford, CA, USA.

Télécharger le PDF en texte intégral

International Association for the Study of Pain Presidential Task Force on Cannabis and Cannabinoid Analgesia: research agenda on the use of cannabinoids, cannabis, and cannabis-based medicines for pain management.

Auteurs:

Pain 2021 Jul162(Suppl 1):S117-S124

Pain Research, Department of Surgery & Cancer, Faculty of Medicine, Imperial College London, United Kingdom.

Télécharger le PDF en texte intégral

Pragmatic but flawed: the NICE guideline on chronic pain.

Auteurs:

Lancet 2021 May397(10289):2029-2031

Research Department of Clinical, Educational and Health Psychology, University College London, London, UK.

Télécharger le PDF en texte intégral

Adhesion-mediated mechanosignaling forces mitohormesis.

Auteurs:

Cell Metab 2021 May 17. Epub 2021 May 17.

Center for Bioengineering and Tissue Regeneration, Department of Surgery, University of California, San Francisco, San Francisco, CA 94143, USA Department of Bioengineering and Therapeutic Sciences and Department of Radiation Oncology, Eli and Edythe Broad Center of Regeneration Medicine and Stem Cell Research, and The Helen Diller Family Comprehensive Cancer Center, University of California, San Francisco, San Francisco, CA 94143, USA. Adresse électronique :

Télécharger le PDF en texte intégral

What a privilege to have been a true editor.

Auteurs:

Bioessays 2021 Jun43(6):e2100111

Télécharger le PDF en texte intégral

Actin mixes up mitochondria for inheritance.

Auteurs:

Nature 2021 May 14. Epub 2021 May 14.

Télécharger le PDF en texte intégral

Tumor cell invasion into Matrigel: optimized protocol for RNA extraction.

Auteurs:

Biotechniques 2021 Jun 1070(6):327-335. Epub 2021 May 10.

Department of Onco-haematology, Gene & Cell Therapy, Bambino Gesù Children's Hospital-IRCCS, Rome, 00146, Italy.

Télécharger le PDF en texte intégral

Is it worth writing covering letters anymore? Yes, but not for the reason you'd imagine.

Auteurs:

Bioessays 2021 May43(5):e2100085

Télécharger le PDF en texte intégral

Phylogeny of the Bacillus altitudinis Complex and Characterization of a Newly Isolated Strain with Antilisterial Activity.

Auteurs:

J Food Prot 2021 Apr 1. Epub 2021 Apr 1.

The University of Tennessee Assistant Professor Food Science 2600 River Drive UNITED STATES Knoxville TN 37996.

Télécharger le PDF en texte intégral

Actin cables and comet tails organize mitochondrial networks in mitosis.

Auteurs:

Nature 2021 Mar 3591(7851):659-664. Epub 2021 Mar 3.

Department of Physiology, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA, USA.

Télécharger le PDF en texte intégral

ZAP-70 constitutively regulates gene expression and protein synthesis in chronic lymphocytic leukemia.

Auteurs:

Blood 2021 Feb 22. Epub 2021 Feb 22.

University of Cambridge, Cambridge, United Kingdom.

Télécharger le PDF en texte intégral

The cost of superficial values in a life-threatening pandemic: How globalization grates against evolution….

Auteurs:

Bioessays 2021 Mar43(3):e2100026

Télécharger le PDF en texte intégral

Genomic Background Governs Opposing Responses to Nalidixic Acid upon Megaplasmid Acquisition in .

Auteurs:

mSphere 2021 02 176(1). Epub 2021 Feb 17.

School of Plant Sciences, University of Arizona, Tucson, Arizona, USA.

Télécharger le PDF en texte intégral

ACE2 abrogates tumor resistance to VEGFR inhibitors suggesting angiotensin-(1-7) as a therapy for clear cell renal cell carcinoma.

Auteurs:

Sci Transl Med 2021 Jan13(577)

Division of Hematology-Oncology and Cancer Biology, Beth Israel Deaconess Medical Center, Harvard Medical School, Boston, MA 02215, USA.

Télécharger le PDF en texte intégral

Cigarette Smoke Activates NOTCH3 to Promote Goblet Cell Differentiation in Human Airway Epithelial Cells.

Auteurs:

Am J Respir Cell Mol Biol 2021 0464(4):426-440

Department of Medicine, Section of Pulmonary, Critical Care and Sleep Medicine, University of Oklahoma Health Sciences Center, Oklahoma City, Oklahoma and.

Télécharger le PDF en texte intégral

Reliability and diagnostic performance of a new blood ketone and glucose meter in humans.

Auteurs:

J Int Soc Sports Nutr 2021 Jan 718(1). Epub 2021 Jan 7.

Department of Kinesiology, Augusta University, 3109 Wrightsboro Road, Augusta, GA, 30909, USA.

Fond: Accurate and reliable monitoring of blood ketone and glucose levels is useful for athletes adhering to a ketogenic diet who want to verify that they are in a state of ketosis and, therefore, accruing performance adaptations. However, the cost of devices and testing materials may prohibit their use. More affordable field testing systems are available, but their accuracy and reliability remain in question. The objectives of this study were to evaluate the agreement between a previously validated ketone and glucose meter (Meter 1 - Precision Xtra) and a more affordable meter that has not been validated (Meter 2 - Keto-Mojo), and also to assess the diagnostic performance of Meter 2 for identifying nutritional ketosis.

Méthodes: Thirteen participants (7 females and 6 males 21.6 ± 3.0 years old) visited the laboratory three times in this randomized, double-blind cross-over design study. Ketone and glucose levels were measured with Meter 1 and Meter 2 twice before and twice after ingestion of a racemic ketone, natural ketone, or maltodextrin supplement. Intraclass correlation coefficient (ICC) estimates and their 95% confidence intervals were calculated to evaluate interrater reliability for Meter 1 and Meter 2. Bland-Altman plots were constructed to visually assess the agreement between devices. Area under the ROC curve analysis was performed to evaluate the diagnostic ability of Meter 2 to detect nutritional ketosis at a threshold ketone level of 0.5 mM as identified by Meter 1.

Résultats: Reliability between the meters was excellent for measuring ketones (ICC = .968 .942-.981) and good for measuring glucose (ICC = .809 .642-.893), though the Bland-Altman plot revealed substantial differences in agreement for measuring glucose. Area under the ROC curve (Area = 0.913 0.828-0.998) was excellent for diagnosing nutritional ketosis.

Conclusion: Both Meter 1 and Meter 2 displayed excellent agreement between each other for ketone measurement. Meter 2 also displayed an excellent level of accuracy for diagnosing nutritional ketosis at a threshold value of 0.5 mM, making it an effective and affordable alternative to more expensive testing devices.