Predicting plasmid persistence in microbial communities by coarse-grained modeling.
Predicting plasmid persistence in microbial communities by coarse-grained modeling.
复制标题
通过粗粒建模预测微生物群落中的质粒持久性。
DOI：
10.1002/bies.202100084
复制
发表时间：
2021-09
期刊：
影响因子：
--
通讯作者：
You L
中科院分区：
文献类型：
--
作者：
Wang T;Weiss A;Ha Y;You L
质体是介导基因水平转移的一种主要类型的移动的遗传元件（MGE）。质粒的稳定维持对微生物种群的功能和生存起着至关重要的作用。然而，预测和控制复杂微生物群落中的质粒持久性和丰度仍然具有挑战性。在计算上，这一挑战来自于与传统建模框架相关的组合爆炸。最近，一个质粒为中心的框架（PCF）已被开发，以克服这一计算瓶颈。这个框架使得推导一个简单的度量，持久性的潜力，预测质粒持久性和丰度。在这里，我们讨论如何PCF可以扩展到占质粒相互作用。我们还讨论了如何从新的实验工具和数据驱动的计算方法的发展，这种模型指导的预测质粒的命运可以受益。粗粒度模型能够预测复杂微生物群落中的质粒持久性和丰度。计算框架可以扩展到考虑质粒相互作用。模型引导的预测可以进一步受益于新的实验工具和数据驱动的机器学习方法的开发。
Plasmids are a major type of mobile genetic elements (MGEs) that mediate horizontal gene transfer. The stable maintenance of plasmids plays a critical role in the functions and survival for microbial populations. However, predicting and controlling plasmid persistence and abundance in complex microbial communities remain challenging. Computationally, this challenge arises from the combinatorial explosion associated with the conventional modeling framework. Recently, a plasmid-centric framework (PCF) has been developed to overcome this computational bottleneck. This framework enables the derivation of a simple metric, the persistence potential, to predict plasmid persistence and abundance. Here, we discuss how PCF can be extended to account for plasmid interactions. We also discuss how such model-guided predictions of plasmid fates can benefit from the development of new experimental tools and data-driven computational methods. A coarse-grained model enables the prediction of plasmid persistence and abundance in complex microbial communities. The computational framework can be extended to account for plasmid interactions. The model-guided predictions can further benefit from the development of new experimental tools and data-driven machine learning methods.
登录
查看更多内容
DOI：
10.1073/pnas.76.10.4837
发表时间：
1979-01-01
影响因子：
11.1
作者：
ACHTMAN, M;MANNING, PA;HERRLICH, P
通讯作者：
HERRLICH, P
影响因子：
5.2
作者：
Gago-Cordoba, Cesar;Val-Calvo, Jorge;Meijer, Wilfried J. J.
通讯作者：
Meijer, Wilfried J. J.
影响因子：
56.9
作者：
BERG, P;BALTIMORE, D;SINGER, MF
通讯作者：
SINGER, MF
DOI：
10.1073/pnas.1808118115
发表时间：
2018-10-16
影响因子：
11.1
作者：
Cira NJ;Pearce MT;Quake SR
通讯作者：
Quake SR
影响因子：
4.9
作者：
Campos M;San Millán Á;Sempere JM;Lanza VF;Coque TM;Llorens C;Baquero F
通讯作者：
Baquero F