Сложные сигнальные сети, которые бактерии используют для адаптации к окружающей среде, стали яснее после новых исследований.
Исследователи Центра Джона Иннеса использовали исследование бактерий Pseudomonas fluorescens, стимулирующих рост растений, для разработки передового метода анализа, который, как они надеются, расширит наши возможности в понимании болезней растений и человека.
До недавнего времени исследования передачи сигналов бактериями, как правило, рассматривали различные аспекты генной регуляции изолированно. Основываясь на этих индивидуальных подходах, команда Джона Иннеса использовала ряд лабораторных, вычислительных и математических методов для интеграции данных, полученных в результате множества различных микробиологических экспериментов.
Этот подход позволил им построить комплексную «сигнальную карту» для ключевого бактериального белка Hfq, который контролирует вирулентность и реакцию на стресс у многих клинически и сельскохозяйственных важных видов.
Д-р Джейкоб Мэлоун, руководитель проекта, связанного с работой, объяснил: «Наша методика позволяет нам отслеживать каждый ген и белок в бактериальной клетке и определять, как они изменяются и на каком уровне происходят эти изменения в ответ на заданный входной сигнал.
"Мы используем те же наборы данных, что и в предыдущих исследованиях, но мы разработали способ интеграции данных с использованием математики и программирования. Если вы рассматриваете отдельные элементы фильма: фотографии, саундтрек и сценарий; соединив их, вы получите целое кино - нечто большее, чем сумма частей. Это тот же принцип, только с генетикой."
Выводы группы, опубликованные в журнале Frontiers in Microbiology (Анализ сложного нормативно-правового ландшафта Hfq - интегративный, мульти-омический подход, Grenga, L.и другие. 2017) обещают изменить способ исследования бактериальных сигнальных сетей и углубить наше понимание того, как бактерии взаимодействуют со своей средой и опосредуют инфекции.
"Люди просматривали данные более чем на одном уровне раньше, но не на такой глубине." - сказал доктор Мэлоун. «В конечном счете, мы хотели бы, чтобы люди рассматривали такой подход к данным регулярно».