Information

Unterziehen Archaeen die gleichen horizontalen Gentransferprozesse wie Bakterien?

Unterziehen Archaeen die gleichen horizontalen Gentransferprozesse wie Bakterien?


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.

Unterziehen Archaeen auch Prozesse wie Konjugation, Transformation usw.? Wenn nicht, haben sie ihre eigenen horizontalen Gentransfermethoden? Können Bakterien mit Archaeen konjugieren?


Wagner A, Whitaker RJ, Krause DJ, Heilers JH, van Wolferen M, van der Does C, Albers SV (2017) Mechanismen des Genflusses bei Archaeen. Nat. Rev. Microbiol 15: 492-501.

Der Austausch von genetischem Material ist eine wichtige treibende Kraft für die Genom-Evolution über den Baum des Lebens hinweg und spielt eine Rolle in archaische Artbildung, Anpassung und Erhaltung der Vielfalt.


Soucy SM, Huang J, Gogarten JP (2015) Horizontaler Gentransfer: Das Netz des Lebens aufbauen. Nat. Rev. Genet 16: 472-482.

Horizontaler Gentransfer (HGT) ist die gemeinsame Nutzung von genetischem Material zwischen Organismen, die nicht in einer Eltern-Nachkommen-Beziehung stehen. HGT ist ein weithin anerkannter Mechanismus zur Anpassung bei Bakterien und Archaeen.


Fuchsman CA, Collins RE, Rocap G, Brazelton WJ (2017) Einfluss der Umwelt auf den horizontalen Gentransfer zwischen Bakterien und Archaeen. PeerJ 29: e3865.

Potenzielle Hotspots von horizontaler Gentransfer zwischen Archaeen und Bakterien Dazu gehören heiße Quellen, Meeressedimente und Ölquellen.


Identifizierung von Einschränkungen, die die Evolution bakterieller Genome im PVC-Superstamm beeinflussen

Der horizontale Transfer spielt eine wichtige Rolle in der Evolution bakterieller Genome, unterliegt jedoch mehreren Einschränkungen, darunter die ökologische Möglichkeit, andere Organismen zu treffen, das Vorhandensein von Transfersystemen und die Fitness der übertragenen Gene. Bakterien aus dem Planctomyctetes, Verrumicrobia, Chlamydien (PVC)-Superphylum haben einen kompartimentierten Zellplan, der durch eine intrazytoplasmatische Membran begrenzt wird, die eine zusätzliche Einschränkung mit besonderem Einfluss auf die bakterielle Evolution darstellen könnte. In dieser Untersuchung untersuchten wir die Evolution von 33 Genomen von PVC-Spezies und konzentrierten uns auf die Geschwindigkeit und die Natur horizontal übertragener Sequenzen in Bezug auf ihren Lebensraum und ihren Zellplan.

Ergebnisse

Mit einem vergleichenden phylogenomischen Ansatz zeigten wir, dass der Lebensraum die Evolution des Inhalts des Bakteriengenoms und den Fluss des horizontalen DNA-Transfers (HT) beeinflusst. So zeigten Bodenbakterien, Insekten und ubiquitäre Bakterien den höchsten durchschnittlichen horizontalen Transfer im Vergleich zu im Wasser lebenden Bakterien, extrazellulären Bakterien bei Wirbeltieren, Bakterien aus Amöben und intrazellulären Bakterien bei Wirbeltieren (mit einem Mittelwert von 379 bzw. 110 Ereignissen pro Art). und 7,6% jedes Genoms aufgrund von HT gegenüber 4,8%). Die Partner dieser Übertragungen waren hauptsächlich bakterielle Organismen (94,9%). Sie ermöglichten uns, Umweltbakterien zu unterscheiden, die mehr mit Proteobakterien, und Bakterien von Wirbeltieren, die mehr mit Firmen. Die funktionelle Analyse der horizontalen Transfers zeigte eine konvergente Evolution mit einer Überrepräsentation von Genen, die für die Membranbiogenese und den Lipidstoffwechsel kodieren, unter den kompartimentierten Bakterien in den verschiedenen Habitaten.

Schlussfolgerungen

Das Vorhandensein einer intrazytoplasmatischen Membran in PVC-Spezies scheint die Evolution des Genoms durch die Auswahl der übertragenen DNA entsprechend ihrer kodierten Funktionen zu beeinflussen.


Hintergrund

Es wurden verschiedene Methoden zur Berechnung eines Konsensusbaums für einen gegebenen Satz phylogenetischer Bäume vorgeschlagen [1]. Die bekanntesten Arten von Konsensusbäumen sind der strikte Konsensusbaum, der Mehrheitskonsensusbaum und der erweiterte Mehrheitskonsensusbaum [1, 2]. Der strikte Konsensbaum enthält nur die Kanten, die allen Eingabebäumen gemeinsam sind. Der Mehrheitskonsensusbaum enthält die Kanten, die in mehr als 50 % der Eingabebäume vorhanden sind, obwohl auch höhere Prozentsätze in Betracht gezogen werden können. Gemäß der erweiterten Mehrheitsregel enthält der Konsensbaum alle Mehrheitskanten, zu denen kompatible Restkanten allmählich hinzugefügt werden, beginnend mit den häufigsten. Konsensbäume mit erweiterter Mehrheit sind die am häufigsten verwendeten Konsensbäume in der Evolutionsbiologie, da sie normalerweise viel besser aufgelöst sind (d. h. einen niedrigeren mittleren Grad an internen Knoten aufweisen) als strenge und Mehrheitskonsensusbäume [2].

Die Ausgabe der meisten herkömmlichen Konsensusbaumalgorithmen ist ein einzelner Konsensusbaum [1]. In vielen praktischen Situationen ist es jedoch viel angemessener, mehrere Konsensbäume abzuleiten. In der Biologie ist es oft riskant, phylogenetische Bäume zu gruppieren, die verschiedenen Gensätzen entsprechen. Jedes Gen hat seine eigene Evolutionsgeschichte, die sich wesentlich von der Evolutionsgeschichte anderer Gene unterscheiden kann. Beispielsweise zeigen einige einzelne Gene oder Gencluster (z. B. Operons), die von spezifischen horizontalen Gentransferereignissen betroffen sind, andere evolutionäre Muster als die übrigen untersuchten Gene [3–8]. Die Evolutionsgeschichte solcher Gene oder Gencluster wird durch phylogenetische Bäume dargestellt, die andere Topologien aufweisen als der Artenbaum, der die Evolution von Genen repräsentiert, die keinen Gentransfer durchlaufen haben. Darüber hinaus kann die Homogenität eines bestimmten Gensatzes auch durch antike Duplikationsereignisse beeinflusst werden, die die Entstehung paraloger Allele verursachen.

Es gibt mehrere Computerwerkzeuge zur Analyse und Visualisierung von Sätzen inkompatibler phylogenetischer Bäume, darunter SplitsTree [9], Dendroscope [10] und DensiTree [11]. Diese Programme ermöglichen die Ableitung verschiedener Arten von phylogenetischen Netzwerken, die als Alternativen zu mehreren Konsensbäumen angesehen werden können. Hollandet al. [12] gehörten zu den ersten, die einen Ansatz zur Konsensbildung unter Verwendung von Splits-Netzwerken diskutierten. Hollandet al. verglichen Genbäume von Hefegenomen und zeigten, dass Konsensusnetzwerke nützlich sein können, um versteckte widersprüchliche Signale darzustellen, die in der Phylogenie von Arten existieren.

Daher stellt sich als Alternative zu phylogenetischen Netzwerkrekonstruktionsansätzen die Frage, ob ein einzigartiger Konsensusbaum oder mehrere Konsensusbäume einen gegebenen Satz von Phylogenien am besten charakterisieren. Wenn die gegebenen Phylogenien topologisch deckungsgleich sind, sollten sie zu einem einzigen Konsensbaum zusammengefasst werden. Wenn diese Phylogenien jedoch widersprüchliche genetische Signale umfassen, sollten sie in mehreren Konsensusbäumen organisiert werden, von denen jeder ein spezifisches Evolutionsmuster berücksichtigt [13–15]. Abbildung 1 zeigt vier phylogenetische Bäume T1, T2, T3 und T4 mit sieben Blättern. Hier ist die Lösung bestehend aus zwei Mehrheitsregel-Konsensbäumen, T12 und T34, scheint viel angemessener zu sein als die Lösung, die aus einem einzigen Mehrheitskonsensbaum besteht, T1234, also hier ein Sternbaum, der durch den traditionellen Mehrheitskonsensansatz gegeben ist.

Vier phylogenetische Bäume T1, T2, T3 und T4 auf demselben Satz von sieben Blättern definiert. Ihr Konsensbaum nach der Mehrheitsregel ist ein Sternbaum T1234. Die Mehrheitsregel-Konsensbäume, T12 und T34, konstruiert für die Paare topologisch naher Bäume: T1 und T2, und T3 und T4, bzw

In diesem Artikel beschreiben wir einen neuen Algorithmus zur Bestimmung von Clustern homogener Bäume, die kombiniert werden können, um mehrere Konsensusbäume abzuleiten. Die Idee, mehrere Konsensusbäume zu erstellen, wurde ursprünglich von Maddison [16] formuliert, der herausfand, dass sich Konsensusbäume einiger Teilmengen einer gegebenen Menge von Bäumen unterscheiden können und dass sie normalerweise besser aufgelöst werden als der Konsensbaum der gesamten Menge. Dann haben Stockham et al. [17] schlugen zwei Varianten eines Baumclustering-Algorithmus vor, der auf k-Mittel, die dazu gedacht waren, eine Reihe von strengen Konsensbäumen (genannt charakteristische Bäume) abzuleiten, die den Informationsverlust minimieren. Diese Verfahren waren jedoch sehr laufzeitaufwendig, da die Konsensusbäume für jede Menge von Clustern in allen von getesteten Zwischenpartitionierungslösungen ermittelt werden mussten k-meint. Bonnardet al. [13] beschrieb eine Methode namens Multipolar Consensus, um alle Aufteilungen eines gegebenen Satzes von phylogenetischen Bäumen mit einer Unterstützung über einem vordefinierten Schwellenwert unter Verwendung einer minimal möglichen Anzahl von Konsensbäumen anzuzeigen. Die Autoren weisen darauf hin, dass biologisch relevante Sekundärsignale, die normalerweise in einem klassischen Konsensusbaum fehlen würden, mit der Multipolaren Konsensus-Methode erfasst werden können und somit ein bequemes exploratives Werkzeug für die phylogenetische Analyse darstellen. Dieses Verfahren ermöglicht es, mehr sekundäre evolutionäre Signale anzuzeigen, als es durch den Konsens der erweiterten Mehrheitsregel vorgeschlagen wird, ohne mögliche willkürliche Entscheidungen zu treffen, die normalerweise bei diesem Konsensverfahren getroffen werden. In seiner jüngsten Arbeit hat Guénoche [14] eine Methode zur Aufteilung phylogenetischer Bäume in einen Cluster vorgestellt (K=1, wenn gegebene Genbäume homogen sind) oder mehrere Cluster (K>1, wenn gegebene Genbäume divergent sind). Ein verallgemeinerter Partitionsscore, der über einen Satz von Baumpartitionen berechnet wird, wird nach der Guénoche-Methode berechnet, um die Anzahl der Cluster zu bestimmen. K, in die ein bestimmter Satz von Genbäumen aufgeteilt werden soll. Guénoche validierte seine Methode sowohl an simulierten Daten, d. h. zufälligen Sets von Bäumen, die in verschiedenen topologischen Gruppen organisiert sind, als auch an realen Daten, d E.coli Stämme, von denen angenommen wird, dass sie von horizontalen Gentransfers betroffen sind. Das vom Autor entwickelte MCT-Programm (Multiple Consensus Trees) ist nach wie vor eine der seltenen Software zur Ableitung mehrerer Konsensusbäume, die der Forschungsgemeinschaft zur Verfügung steht.

Wir werden eine neue Baumclustering-Methode beschreiben, die auf bestimmten Versionen der Silhouette (NS) [18] und Caliński-Harabasz (CH) [19] Indizes angepasst für Baum-Clustering mit k-medoiden. Diese Clustervaliditätsindizes werden verwendet, um die beste Partitionierung zu bestimmen, die über mehrere zufällige Starts von k-medoids [20], wenn die Anzahl der Cluster festgelegt ist, und dann die optimale Anzahl von Clustern für eine gegebene Baumgruppe auszuwählen.


Singh, B.K., Bardgett, R.D., Smith, P. & Reay, D.S. Mikroorganismen und Klimawandel: terrestrische Rückkopplungen und Möglichkeiten zur Eindämmung. Nat. Rev. Mikrobiol. 8, 779–790 (2010).

Chistoserdova, L. & Kalyuzhnaya, M. G. Aktuelle Trends in der Methylotrophie. Trends Mikrobiol. 26, 703–714 (2018).

Borrel, G. et al. Große Vielfalt des Metabolismus von Methan und kurzkettigen Alkanen in unkultivierten Archaeen. Nat. Mikrobiol. 4, 603–613 (2019).

Chistoserdova, L. et al. Die rätselhaften Planctomyceten könnten einen Schlüssel zu den Ursprüngen der Methanogenese und Methylotrophie enthalten. Mol.-Nr. Biol. Entwicklung 21, 1234–1241 (2004).

Chistoserdova, L. Eine breite Verteilung von Genen für Tetrahydromethanopterin/Methanofuran-verknüpfte C1-Transferreaktionen spricht für deren Vorkommen beim gemeinsamen Vorfahren von Bakterien und Archaeen. Vorderseite. Mikrobiol. 7, 1425 (2016).

Weiss, M.C. et al. Die Physiologie und der Lebensraum des letzten universellen gemeinsamen Vorfahren. Nat. Mikrobiol. 1, 16116 (2016).

Borrel, G., Adam, P. S. & Gribaldo, S. Methanogenesis and the Wood-Ljungdahl-Weg: eine alte, vielseitige und fragile Assoziation. Genom Biol. Entwicklung 8, 1706–1711 (2016).

Fuchs, G. Alternative Wege der Kohlendioxid-Fixierung: Einblicke in die frühe Evolution des Lebens? Annu. Rev. Mikrobiol. 65, 631–658 (2011).

Laso-Pérez, R. et al. Thermophile Archaeen aktivieren Butan über die Bildung von Alkyl-Coenzym M. Natur 539, 396–401 (2016).

Chistoserdova, L. Modularität der Methylotrophie, revisited. Umgebung. Mikrobiol. 13, 2603–2622 (2011).

Chistoserdova, L., Vorholt, J. A., Thauer, R. K. & Lidstrom, M. E. C1-Transferenzyme und Coenzyme, die methylotrophe Bakterien und methanogene Archaeen verbinden. Wissenschaft 281, 99–102 (1998).

Vorholt, J. A., Chistoserdova, L., Stolyar, S. M., Thauer, R. K. & Lidstrom, M. E. Verteilung von Tetrahydromethanopterin-abhängigen Enzymen in methylotrophen Bakterien und Phylogenie von Methenyltetrahydromethanopterin-Cyclohydrolasen. J. Bakteriol. 181, 5750–5757 (1999).

Bauer, M. et al. Archaea-ähnliche Gene für C1-Transferenzyme in Planctomyceten: phylogenetische Implikationen ihrer unerwarteten Anwesenheit in diesem Stamm. J.Mol. Entwicklung 59, 571–586 (2004).

Kalyuzhnaya, M.G. et al. Die Analyse von Geninseln, die an Methanopterin-verknüpften C1-Transferreaktionen beteiligt sind, offenbart neue Funktionen und liefert evolutionäre Erkenntnisse. J. Bakteriol. 187, 4607–4614 (2005).

Butterfield, C. N. et al. Proteogenomische Analysen zeigen, dass bakterielle Methylotrophie und archaeale Heterotrophie unterhalb der Graswurzelzone vorherrschen. PeerJ 4, e2687 (2016).

Ettwig, K.F. et al. Nitrit-getriebene anaerobe Methanoxidation durch sauerstoffhaltige Bakterien. Natur 464, 543–548 (2010).

Muñoz-Velasco, I. et al. Methanogenese in frühen Lebensstadien: uralt, aber nicht ursprünglich. Orig. Leben Evol. Biosph. 48, 407–420 (2018).

Raymann, K., Brochier-Armanet, C. & Gribaldo, S. Der Zwei-Domänen-Baum des Lebens ist mit einer neuen Wurzel für die Archaeen verbunden. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 112, 6670–6675 (2015).

Adam, P. S., Borrel, G., Brochier-Armanet, C. & Gribaldo, S. Der wachsende Baum der Archaea: neue Perspektiven auf ihre Vielfalt, Evolution und Ökologie. ISME J. 11, 2407–2425 (2017).

Ramamoorthy, S. et al. Desulfosporosinus lacus sp. nov., ein sulfatreduzierendes Bakterium, das aus unberührten Süßwassersedimenten isoliert wurde. Int. J. Syst. Entwicklung Mikrobiol. 56, 2729–2736 (2006).

Davidova, I. A. et al. Dethiosulfatarculus sandiegensis Gen. nov., sp. nov., isoliert aus einer methanogenen paraffinabbauenden Anreicherungskultur und verbesserte Beschreibung der Familie Desulfarculaceae. Int. J. Syst. Entwicklung Mikrobiol. 66, 1242–1248 (2016).

Adam, P.S., Borrel, G. & Gribaldo, S. Evolutionsgeschichte der Kohlenmonoxid-Dehydrogenase/Acetyl-CoA-Synthase, einem der ältesten enzymatischen Komplexe. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 115, E1166–E1173 (2018).

Sousa, F. L. & Martin, W. F. Biochemische Fossilien des antiken Übergangs von der Geoenergetik zur Bioenergetik im prokaryotischen Ein-Kohlenstoff-Verbindungsstoffwechsel. Biochim. Biophys. Acta 1837, 964–981 (2014).

Chistoserdova, L., Rasche, M. E. & Lidstrom, M. E. Neuartige Dephosphotetrahydromethanopterin-Biosynthesegene durch Mutagenese in . entdeckt Methylobacterium extorquens AM1. J. Bakteriol. 187, 2508–2512 (2005).

Pomper, B.K., Saurel, O., Milon, A. & Vorholt, J.A. Generation of formiat by the formyltransferase/hydrolase complex (Fhc) from Methylobacterium extorquens AM1. FEBS Lett. 523, 133–137 (2002).

Wagner, T., Ermler, U. &. Shima, S. Das methanogene CO2 reduzierendes und fixierendes Enzym ist bifunktionell und enthält 46 [4Fe-4S]-Cluster. Wissenschaft 354, 114–117 (2016).

Crowther, G. J., Kosaly, G. & Lidstrom, M. E. Formiat als Hauptverzweigungspunkt für den methylotrophen Metabolismus in Methylobacterium extorquens AM1. J. Bakteriol. 190, 5057–5062 (2008).

Bar-Even, A., Noor, E. & Milo, R. Eine Übersicht über Kohlenstofffixierungswege durch eine quantitative Linse. J. Erw. Bot. 63, 2325–2342 (2012).

Figueroa, I.A. et al. Metagenomik-gestützte Analyse der mikrobiellen chemolithoautotrophen Phosphitoxidation liefert Hinweise auf ein siebtes natürliches CO2 Fixierungsweg bzw. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 115, E92–E101 (2018).

Vorholt, J. A., Marx, C. J., Lidstrom, M. E. & Thauer, R. K. Neuartiges Formaldehyd-aktivierendes Enzym in Methylobacterium extorquens AM1, das für das Wachstum auf Methanol erforderlich ist. J. Bakteriol. 182, 6645–6650 (2000).

Lin, Z. & Sparling, R. Untersuchung der Serin-Hydroxymethyltransferase in Methanogenen. Dürfen. J. Mikrobiol. 44, 652–656 (1998).

Schwartz, E., Fritsch, J. & Friedrich, B. in Die Prokaryoten (Hrsg. Rosenberg, E. et al.) 119–199 (Springer, 2013).

Begemann, M. B., Mormile, M. R., Sitton, O. C., Wall, J. D. & Elias, D. A. Eine optimierte Strategie für die Biowasserstoffproduktion mit Halanaerobiumhydrogeniformans, ein alkaliphiles Bakterium. Vorderseite. Mikrobiol. 3, 93 (2012).

Maune, M. W. & Tanner, R. S. Beschreibung von Anaerobaculum hydrogeniformans sp. nov., ein Anaerobier, der aus Glukose Wasserstoff produziert, und verbesserte Beschreibung der Gattung Anaerobakulum. Int. J. Syst. Entwicklung Mikrobiol. 62, 832–838 (2012).

Liang, R., Grizzle, R. S., Duncan, K. E., McInerney, M. J. & Suflita, J. M. Rollen von thermophilen Thiosulfat-reduzierenden Bakterien und methanogenen Archaeen bei der Biokorrosion von Ölpipelines. Vorderseite. Mikrobiol. 5, 89 (2014).

Kasting, J. F. Methan und Klima im Präkambrium. Präkambrische Res. 137, 119–129 (2005).

Ueno, Y., Yamada, K., Yoshida, N., Maruyama, S. & Isozaki, Y. Beweise von Flüssigkeitseinschlüssen für mikrobielle Methanogenese in der frühen Archäischen Ära. Natur 440, 516–519 (2006).

Slotznick, S. P. & Fischer, W. W. Untersuchung der archaischen Methanotrophie. Erde Planet. Wissenschaft Lette. 441, 52–59 (2016).

Summons, R. E., Jahnke, L. L. & Roksandic, Z. Kohlenstoffisotopenfraktionierung in Lipiden aus methanotrophen Bakterien: Relevanz für die Interpretation der geochemischen Aufzeichnung von Biomarkern. Geochim. Kosmochim. Acta 58, 2853–2863 (1994).

Jahnke, L. L., Summons, R. E., Hope, J. M. & Des Marais, D. J. Kohlenstoffisotopenfraktionierung in Lipiden aus methanotrophen Bakterien II: die Auswirkungen von Physiologie und Umweltparametern auf die Biosynthese und Isotopensignaturen von Biomarkern. Geochim. Kosmochim. Acta 63, 79–93 (1999).

Battistuzzi, F. U. & Hedges, S. B. Eine bedeutende Gruppe von Prokaryoten mit uralten Anpassungen an das Leben an Land. Mol.-Nr. Biol. Entwicklung 26, 335–343 (2009).

Haqq-Misra, J. D., Domagal-Goldman, S. D., Kasting, P. J. & Kasting, J. F. Ein überarbeitetes, trübes Methan-Gewächshaus für die archaische Erde. Astrobiologie 8, 1127–1137 (2008).

Konhauser, K.O.et al. Ozeanischer Nickelabbau und eine Methanogen-Hungernot vor dem großen Oxidationsereignis. Natur 458, 750–753 (2009).

Catling, D.C., Claire, M.W. &. Zahnle, K.J. Anaerobic methanotrophie and the rise of atmosphärischen Sauerstoff. Philos. Übers. R. Soc. Ein Mathe. Phys. Eng. Wissenschaft. 265, 1867–1888 (2007).

Daines, S. J. & Lenton, T. M. Die Wirkung weit verbreiteter früher aerober Meeresökosysteme auf den Methankreislauf und die große Oxidation. Erde Planet. Wissenschaft Lette. 434, 42–51 (2016).

Markowitz, V. M. et al. IMG: die integrierte mikrobielle Genomdatenbank und das vergleichende Analysesystem. Nukleinsäuren Res. 40, D666–D677 (2012).

Wrighton, K.C. et al. Fermentation, Wasserstoff- und Schwefelstoffwechsel in mehreren unkultivierten Bakterienstämmen. Wissenschaft 337, 1661–1665 (2012).

Hyatt, D. et al. Prodigal: prokaryontische Generkennung und Identifizierung der Translationsinitiationsstelle. BMC Bioinformatik. 11, 119 (2010).

Kanehisa, M., Furumichi, M., Tanabe, M., Sato, Y. & Morishima, K. KEGG: Neue Perspektiven auf Genome, Signalwege, Krankheiten und Medikamente. Nukleinsäuren Res. 45, D353-D361 (2017).

Johnson, L.S., Eddy, S.R. & Portugaly, E. Hidden Markov Modellgeschwindigkeitsheuristik und iterative HMM-Suchprozedur. BMC Bioinformatik. 11, 431 (2010).

Garcia, P. S., Jauffrit, F., Grangeasse, C. & Brochier-Armanet, C. GeneSpy, ein benutzerfreundlicher und flexibler genomischer Kontextvisualisierer. Bioinformatik 35, 329–331 (2019).

Abby, S. S., Néron, B., Ménager, H., Touchon, M. & Rocha, E. P. C. MacSyFinder: ein Programm zum Abbau von Genomen für molekulare Systeme mit einer Anwendung auf CRISPR-Cas-Systeme. Plus eins 9, e110726 (2014).

Edgar, R. C. MUSCLE: Ausrichtung mehrerer Sequenzen mit hoher Genauigkeit und hohem Durchsatz. Nukleinsäuren Res. 32, 1792–1797 (2004).

Criscuolo, A. & Gribaldo, S. BMGE (Block-Mapping und Sammeln mit Entropie): eine neue Software zur Auswahl phylogenetischer informativer Regionen aus mehreren Sequenz-Alignments. BMC Evol. Biol. 10, 210 (2010).

Nguyen, L. T., Schmidt, H. A., von Haeseler, A. & Minh, B. Q. IQ-TREE: ein schneller und effektiver stochastischer Algorithmus zur Schätzung von Maximum-Likelihood-Phylogenien. Mol.-Nr. Biol. Entwicklung 32, 268–274 (2015).

Kobert, K., Salichos, L., Rokas, A. & Stamatakis, A. Berechnung der Internodien-Sicherheit und verwandter Messungen aus partiellen Genbäumen. Mol.-Nr. Biol. Entwicklung 33, 1606–1617 (2016).

Stamatakis, A. RAxML-VI-HPC: Maximum-Likelihood-basierte phylogenetische Analysen mit Tausenden von Taxa und gemischten Modellen. Bioinformatik 22, 2688–2690 (2006).

Hoang, D. T., Chernomor, O., von Haeseler, A., Minh, B. Q. & Vinh, L. S. UFBoot2: Verbessern der ultraschnellen Bootstrap-Approximation. Mol.-Nr. Biol. Entwicklung 35, 518–522 (2017).

Lartillot, N., Lepage, T. &. Blanquart, S. PhyloBayes 3: ein Bayesianisches Softwarepaket für die phylogenetische Rekonstruktion und molekulare Datierung. Bioinformatik 25, 2286–2288 (2009).

Kanehisa, M., Sato, Y. & Morishima, K. BlastKOALA und GhostKOALA: KEGG-Tools zur funktionellen Charakterisierung von Genom- und Metagenomsequenzen. J.Mol. Biol. 428, 726–731 (2016).

Altschul, S.F., Gish, W., Miller, W., Myers, E.W. & Lipman, D.J. Basic Local Alignment Search Tool. J.Mol. Biol. 215, 403–410 (1990).

Overbeek, R. et al. Das SEED und die schnelle Annotation mikrobieller Genome mittels Subsystemtechnik (RAST). Nukleinsäuren Res. 42, D206–D214 (2014).

Parks, D. H., Imelfort, M., Skennerton, C. T., Hugenholtz, P. & Tyson, G. W. CheckM: Beurteilung der Qualität mikrobieller Genome aus Isolaten, Einzelzellen und Metagenomen. Genom-Res. 25, 1043–1055 (2015).


Spekulationen und Schlussfolgerungen

Die alte Idee, dass die Proteinfaltung während der gesamten Evolution besser erhalten bleibt als die Sequenz ( Schulz und Schirmer 1979 ) wird heute voll akzeptiert. Die A-Domäne von AAMY-Sequenzen ist ein hervorragendes Beispiel für die Erhaltung der Faltung – das TIM-Barrel – bei gleichzeitigem allgemeinem Verlust der Sequenzähnlichkeit. Tatsächlich sind die Gensequenzen im Laufe der Evolution vom „ersten AAMY“-Gen so abgewichen, dass beim Vergleich von AAMYs, die zu nicht verwandten Clustern gehören, nur die vier in Tabelle 4 angegebenen Segmente leicht identifiziert werden können. Wie wir auch berichtet haben, sind die Strukturmerkmale der Helix, die die konservierten Reste Gly (LA2) und Asp (βA3) sind ebenfalls außerordentlich gut erhalten.

Unsere Ergebnisse legen eine allgemeine Hypothese für die Evolution der Domäne A in AAMYs nahe, die zwei Wellen evolutionärer Ereignisse beinhaltet. In der ersten Welle wich ein begrenzter Satz von Genen stark von ihrem gemeinsamen Vorfahren oder dem ersten AAMY-Gen ab. Diese AAMYs der „ersten Generation“ hatten wahrscheinlich einen sehr niedrigen SI, hatten unterschiedliche Längen und waren die Vorläufer einiger der in Abbildung 2 gezeigten nicht verwandten Cluster. Daher waren die einzigen Merkmale, die die AAMYs der ersten Generation vom ursprünglichen Gen erhalten hatten, (1) die in Tabelle 4 angegebenen vier Segmente, (2) die 3-D-Struktur und (3) die Merkmale der Helix α .A2. Einige Beispiele für diese AAMYs der ersten Generation sind der gemeinsame Vorfahr von AII/BV/EI, der von BVIII/EIII und der von BIV/EII. Jede dieser AAMYs der ersten Generation würde sich in einer zweiten Welle weiterentwickeln, um die Sequenzen zu erzeugen, die jeden Cluster bilden (jeder AAMY der ersten Generation ergibt einen anderen Cluster). Diese Sequenzen der „zweiten Generation“ weichen nur geringfügig von denen der ersten Welle ab und bilden die zeitgenössischen AAMYs. Während dieser zweiten Welle konnte HGT die Ähnlichkeiten zwischen den Königreichen zwischen Clustern (AII/BV/EI, BIV/EII und BVIII/EIII) erzeugen. In diesem Sinne schlugen Mazodier und Davies (1991) vor, dass die Sequenzähnlichkeit zwischen der AAMY von StrLm (P09794 Cluster BVIII) und denen von Säugetieren und Wirbellosen (Cluster EIII) von Long et al. (1987) kann ein Beweis für den natürlichen Gentransfer zwischen entfernt verwandten Organismen sein. Mazodier und Davies (1991) schlugen vor, dass die HGT-Richtung von Eukaryota nach Streptomyces verlaufen würde.

Der Clustering-Baum für Bakterien zeigt zwei Merkmale, die in den Bäumen für Archaea und Eukaryota nicht zu finden sind: (1) die Streuung in verschiedenen Clustern von AAMY-Sequenzen entweder von derselben Art oder von eng verwandten Arten (basierend auf taxonomischen Gründen) und ihr Gegenteil (die Gruppierung von AAMYs von sehr entfernt verwandten Organismen) und (2) dass schlecht verwandte AAMY-Sequenzen häufig in den Genomen einiger Arten koexistieren und in verschiedenen Clustern enthalten sind. Der oben erwähnten allgemeinen Hypothese für die Evolution der Domäne A in AAMYs folgend, vermuten wir, dass die evolutionären Ereignisse, die zu dieser speziellen Verteilung von bakteriellen AAMYs führten, während der ersten Welle stattfanden. Diese Hypothese basiert auf der Tatsache, dass die von diesen evolutionären Phänomenen betroffenen Sequenzen vollständig mit den Eigenschaften der restlichen Sequenzen im Cluster übereinstimmen. Daher beweist es, dass sie denselben gemeinsamen Vorfahren haben.

Wir können uns fragen, welche evolutionären Ereignisse dafür verantwortlich sind, dass die Klassifizierung der bakteriellen AAMY-Gene nicht mit der aktuellen Klassifizierung der Arten übereinstimmt. Wahrscheinlich hat sich das erste AAMY-Gen auf zwei verschiedene Arten entwickelt, um die begrenzte Menge von AAMYs der ersten Generation hervorzubringen: (1) Genduplikationen, gefolgt von einer unabhängigen sparsamen Evolution, und (2) HGT. Neben AAMY umfasst die GH-13-Superfamilie weitere 18 Enzymaktivitäten. Es gibt funktionelle ( Kuriki und Imanaka 1999 ) und sequenzbasierte Beweise (del-Rio, Morett und Soberon 1997, Garcia-Vallvé, Palau und Romeu 1999), dass das „erste“ GH-13 in einem Genom zu a Paraloge durch massive Genduplikation. A posteriori können sich diese Sequenzen durch unabhängige sparsame Evolution und Erwerb von subtil unterschiedlichen Spezifitäten entwickeln, um den Rest von GH-13 im Genom zu erhalten. Dennoch können neue Glykosidhydrolase-Gene auch auf radikal andere Weise von einem Genom erworben werden: durch HGT aus einem exogenen Organismus ( Mazodier und Davies 1991 Garcia-Vallvé, Palau und Romeu 1999 Garcia-Vallvé, Romeu und Palau 2000 ). Figur 2B zeigt, dass in den Genomen einiger Bakterienarten schlecht verwandte AAMY-Sequenzen koexistieren. Dasselbe gilt höchstwahrscheinlich auch für andere Bakterien, aber bisher wurde nur ein Gen charakterisiert. Daher könnte uns die Verwendung fertiger Bakteriengenome helfen, herauszufinden, ob es mehr als ein AAMY-Gen gibt, und ihre gegenseitigen evolutionären Beziehungen zu testen, d. Da die Funktionszuordnung für Genom-abgeleitete Sequenzen in der Regel durch Sequenzvergleich mit Proteinen bekannter Funktion und nicht durch biochemische Analyse erhalten wird, sollte eine solche Studie nicht auf AAMYs beschränkt sein und daher alle GH-13-Gene berücksichtigen. Nur 11 von 25 abgeschlossenen Bakteriengenomen (Aquifex aeolicus, Bacillus subtilis, Chlamydia muridarum, Chlamydia pneumoniae, Chlamydia trachomatis, Deinococcus radiodurans, Escherichia coli, Haemophilus influenzae, Mycobacterium tuberculosis, Synechocystis sp., und Thermotoga Maritima) haben mindestens ein GH-13 (93 Gene). Nach Garcia-Vallvé, Palau und Romeu (1999) sind GH-13-Sequenzen in E coli und B. subtilis scheinen das Produkt der Genduplikation eines gemeinsamen Vorfahren zu sein, der nicht von HGT zu ihren Genomen gelangt ist (und das gleiche gilt für das GH-13 der übrigen abgeschlossenen Bakteriengenome S. Garcia-Vallvé, persönliche Mitteilung). Die bakteriellen Genome, in denen schlecht verwandte AAMY-Sequenzen koexistieren (d. h. AerHy, PseSp, XanCa, StrLi, TheVu und StreBo), sind noch nicht abgeschlossen und daher sind nur Teilinformationen bekannt. Nach der Fertigstellung wäre es von Interesse zu untersuchen, ob diese Gene Paraloge oder das Ergebnis von HGT sind. Solche Informationen würden es uns ermöglichen, die Lücken in der Geschichte der Entwicklung von AAMY zu schließen.


Materialen und Methoden

Die am 26. April 1999 hinterlegten Proteinsequenzen wurden aus der Swiss-All-Datenbank (gebildet von SwissProt, TrEMBL, und aktualisiert Bairoch und Apweiler 1999) unter Verwendung des European Bioinformatic Institute Sequence Retrieval System (http://srs.ebi.ac .) importiert .Vereinigtes Königreich/). Wir betrachteten nur gut identifizierte AAMY-Sequenzen (weder mutmaßlich noch wahrscheinlich noch hypothetisch), die zu Glycosidhydrolasen der Familie 13 (GH-13) gehörten und die charakteristischen A- und B-Domänen vollständig enthielten. Alle Sequenzen wurden gekürzt, um informationell ähnliche Segmente zu erzeugen, die dem strikten (β/α)8 Barrel plus B-Domäne (A+B-Segmente)-Struktur (siehe Abb. 1). Daher wurden weder der N-terminale Schwanz noch die Domäne C berücksichtigt. Die zur Definition der A+B-Sequenzen verwendeten Aminosäuresegmente wurden durch Analyse der Strukturen der AAMY Protein Data Bank (PDB) erhalten (Berman et al. 2000). Genauer gesagt haben wir die PDB-Sequenzen vom ersten Rest in β . genommenA1 bis zum letzten Rest in βA8 als unsere Referenz. Die Start- und Endpunkte für A+B-Segmente in nichtkristallisierten AAMYs wurden leicht durch lokale Ausrichtungen gegen die ähnlichsten PDB-abgeleiteten Segmente erhalten. Die Redundanz für identische A+B-Sequenzen, die von derselben Spezies erhalten wurden, wurde entfernt. Die restlichen Sequenzen bildeten unsere „vollständige Probe“, die aus 144 Sequenzen (7 von Archaea, 48 von Bakterien und 89 von Eukaryota) von 87 verschiedenen Arten besteht. Alle taxonomischen Klassifikationen von AAMY-Quellen wurden gemäß der Taxonomy-Datenbank (http://www3.ncbi.nlm.nih.gov/Taxonomy/) vorgenommen.

In einem zweiten Schritt wurden alle A+B-Segmente verwendet, um zwei verschiedene Sätze von Sequenzen zu erzeugen, von denen einer der strikten Domäne A und der andere der Domäne B entsprach. Wiederum wurde die Grenze zwischen den Domänen durch visuelle Untersuchung aller kristallisierten AAMYs. Die Sequenz für die B-Domäne geht von dem hochkonservierten His-Rest aus, der sich nach β . befindetA3 auf vier Reste stromabwärts des Asp, das an Ca 2+ bindet (kurz vor αA3, die α-Helix vor dem hochkonservierten βA4). Domäne A wurde durch Verbinden der beiden Untersegmente links und rechts von Domäne B erhalten. Für einige Sequenzen (z. B. Q05884 [StrLi]) war die C-terminale Grenze von Domäne B schwer zu finden. In diesen speziellen Fällen haben wir den PSIPred-Server (http://insulin.brunel.ac.uk/psipred) verwendet, um die Sekundärstruktur für die entsprechenden A+B-Sequenzen vorherzusagen und zu identifizieren, wo αA3 begann. Dieser Server wurde ausgewählt, weil er bei der neuesten Critical Assessment of Techniques for Protein Structure Prediction (CASP3 http://PredictionCenter.llnl.gov/casp3/) die genaueste getestete Methode zur Vorhersage der Sekundärstruktur war und insgesamt drei Zustandsgenauigkeit von 77 % bei 24 Vorhersagezielen. Der PSIPred-Server wurde verwendet (1), um die Positionen von β-Strängen in Domäne A von Sequenzen mit einer insgesamt geringen Ähnlichkeit mit kristallisierten AAMYs zu finden und (2) um die Positionen von Sekundärstrukturen zu bestätigen, die aus Ausrichtungen mit Sequenzen aus kristallisierten Strukturen abgeleitet wurden. Zwei vom Server angebotene Vorhersagemethoden wurden ausgiebig genutzt, um die Kohärenz der Sekundärstrukturzuordnungen zu testen. Diese waren PSIPred für die Vorhersage der Proteinsekundärstruktur und GenTHREADER für die Vorhersage der Proteintertiärstruktur durch Faltungserkennung.

Um Verzerrungen in unseren Ergebnissen aufgrund sehr ähnlicher Isozyme einer bestimmten Spezies in der vollständigen Stichprobe zu vermeiden, haben wir eine AAMY „repräsentative Stichprobe“ definiert. Die neue Probe enthielt daher 7 Sequenzen von Archaea, 44 von Bacteria und 61 von Eukaryota und bestand aus AAMYs verschiedener biologischer Spezies und Isozymen mit Ähnlichkeitsindizes (SI) unter 95 % sowohl für die A- als auch die B-Domäne. Die in diesem Papier präsentierten Ergebnisse stammen – wenn nicht ausdrücklich angegeben – aus der repräsentativen Stichprobe. Der Satz von AAMY-Sequenzen, die diese Probe bilden, ist in Abbildung 2 dargestellt, in der Sequenzen durch ihre Swiss-All-Zugangsnummern identifiziert werden können und die Abkürzungen für die Namen der Arten aus den ersten drei Buchstaben des folgenden Gattungsnamens bestehen durch die ersten beiden Buchstaben des Artnamens (z. B. AerHy für Aeromonas hydrophila). Die Ergebnisse der vollständigen Probe können als ergänzendes Material auf unserer Website (http://argo.urv.es/∼pujadas/AAMY/AAMY_01) abgerufen werden.

GH-13-Sequenzen aus abgeschlossenen Bakteriengenomen (http://www.ebi.ac.uk/genomes) wurden aus der CAZy-Datenbank (http://afmb.cnrs-mrs.fr/∼pedro/CAZY/ghf_13.html) erhalten ). Die Analyse eines möglichen horizontalen Gentransfermechanismus (HGT) für die Evolution von GH-13 in vervollständigten Bakteriengenomen wurde von S. Garcia-Vallvé (persönliche Mitteilung) bereitgestellt und nach der Methode von Garcia-Vallvé, Palau und Romeu (1999) ) .

Der Abruf kristallographischer Daten sowie sequenz- und strukturabgeleitete Informationen wurden der Datenbank und den Links im Structure Explorer (http://www.rcsb.org/pdb/) entnommen. Die PDB-Einträge für AAMY waren wie folgt: 1BSI (Rydberg et al. 1999), 1B2Y (Qian et al. 1994), 1CPU (GD Brayer et al., persönliche Mitteilung), 1HNY (Brayer, Luo und Withers 1995), und 1SMD (Ramasubbu et al. 1996) aus Homo sapiens 1BVN (Wiegand, Epp und 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 ) und 1PPI ( Qian et al. 1994 ) aus Sus scrofa 1JAE (Strobl et al. 1998ein ), 1TMQ ( Strobl et al. 1998B ) und 1VIW ( Nahoum et al. 1999 ) aus Tenebrio Molitor 1AMY (Kadziola et al. 1994), 1AVA (Vallee et al. 1998) und 1BG9 (Kadziola et al. 1998) aus Hordeum vulgare 2AAA ( Boel et al. 1990 ) von Aspergillus niger 2TAA (Matsuura et al. 1984) und 6TAA und 7TAA (Brzozowski und Davies 1997) aus Aspergillus oryzae 1BLI ( Machius et al. 1998 ), 1BPL ( Machius, Wiegand und Huber 1995 ) und 1VJS ( Hwang et al. 1997 ) aus Bacillus licheniformis 1BAG ( Fujimoto et al. 1998 ) von Bacillus subtilis und 1AQH, 1AQM (Aghajari et al. 1998ein ) und 1B0I (Aghajari et al. 1998B ) von Pseudoalteromonas halopnactis. Röntgenbeugungsauflösungen und R-Faktoren für diese Strukturen reichten von 1,6 bis 3,2 bzw. von 0,151 bis 0,208. Obwohl 1BVZ aus Thermoactinomyces vulgaris ( Kamitori et al. 1999 ) wird in seiner PDB-Datei als AAMY angesehen, eine FASTA-Suche (http://www2.ebi.ac.uk/fasta3/) zeigte, dass dieses Enzym eine Neopullulanase (EC 3.2.1.135) ist, deren Sequenz stimmt genau mit dem SwissProt-Eintrag NEPU_THEVU (Q08751) überein.

Für Proteinsequenzen der Arbeitsdatenbank wurden mit dem CLUSTAL V-Algorithmus (Higgins und Sharp 1989) und dem kommerziellen Programm MEGALIGN, Version 3.16, aus dem Lasergene-Softwarepaket (1997 DNASTAR, Inc., London, England) multiple Sequenz-Alignments durchgeführt. läuft auf einem Power Macintosh. Anfängliche Dendrogramme und SIs wurden berechnet, indem verfügbare MEGALIGN-Subroutinen angewendet wurden, die den SI-Parameter zwischen zwei Sequenzen berechneten (ich und 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.

Volltext-PDF herunterladen

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.

Autoren:

Pain 2021 Jul162(Suppl 1):S117-S124

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

Volltext-PDF herunterladen

Pragmatic but flawed: the NICE guideline on chronic pain.

Autoren:

Lancet 2021 May397(10289):2029-2031

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

Volltext-PDF herunterladen

Adhesion-mediated mechanosignaling forces mitohormesis.

Autoren:

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. Elektronische Adresse:

Volltext-PDF herunterladen

What a privilege to have been a true editor.

Autoren:

Bioessays 2021 Jun43(6):e2100111

Volltext-PDF herunterladen

Actin mixes up mitochondria for inheritance.

Autoren:

Nature 2021 May 14. Epub 2021 May 14.

Volltext-PDF herunterladen

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

Autoren:

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.

Volltext-PDF herunterladen

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

Autoren:

Bioessays 2021 May43(5):e2100085

Volltext-PDF herunterladen

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

Autoren:

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.

Volltext-PDF herunterladen

Actin cables and comet tails organize mitochondrial networks in mitosis.

Autoren:

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

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

Volltext-PDF herunterladen

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

Autoren:

Blood 2021 Feb 22. Epub 2021 Feb 22.

University of Cambridge, Cambridge, United Kingdom.

Volltext-PDF herunterladen

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

Autoren:

Bioessays 2021 Mar43(3):e2100026

Volltext-PDF herunterladen

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

Autoren:

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

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

Volltext-PDF herunterladen

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

Autoren:

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.

Volltext-PDF herunterladen

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

Autoren:

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.

Volltext-PDF herunterladen

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

Autoren:

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.

Hintergrund: 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.

Methoden: 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.

Ergebnisse: 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.

Conclusions: 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.