Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/80753

TítuloGenome-scale metabolic modelling of the pathogen Xylella fastidiosa
Autor(es)Silva, Miguel Ângelo Fernandes da
Orientador(es)Dias, Oscar
Faria, Cristiana Silva
Palavras-chaveXylella fastidiosa subsp. pauca De Donno
Phytopathogen
Systems biology
Genome-scale metabolic model
Data31-Dez-2019
Resumo(s)Xylella fastidiosa is a phytopathogenic bacteria that causes disease in hundreds of differ ent plant species. Increased reports of plants infected by these xylem-limited bacteria are alarming as this pathogen continues to attack crops of relevant economic power such as citrus, grapes, olives and almonds, with considerable economical losses for the producers. The current employed strategy to contain this epidemic is radical in action as it destroys the infected plant and surrounding area. For this reason, it became urgent to develop new ways to eliminate these bacteria with therapeutics that are more pathogen oriented. Genome-Scale Metabolic (GSM) models contain genomic and metabolic information of a given organism and can be used to discover new potential drug targets. Thus, a GSM model of X. fastidiosa may unveil new ways to control these bacteria. In this work, we developed a high-quality GSM model for X. fastidiosa subsp. pauca De Donno, using the user-friendly software Metabolic Models Reconstruction Using Genome Scale Information (merlin). This strain was chosen for its importance in the national econ omy, as it causes Olive Quick Decline Syndrome. The reconstructed model of X. fastidiosa comprises a set of 1280 reactions and 524 genes. The genome of X. fastidiosa subsp. pauca De Donno was functionally annotated in order to identify the metabolic potential of the phytopathogenic organism. Metabolic functions identified in the genome were used to assemble the initial draft metabolic network. Manual curation procedures were made in order to correctly represent organism’s capabilities and biomass related reactions, based on literature and experimental data, were added to model. The reconstructed model was then validated using experimental data, regarding the aerobic metabolism, carbon flux pattern, carbon usage, amino acid auxotrophies and growth in several media developed for X. fastidiosa. In silico simulations revealed interesting metabolic properties of X. fastidiosa. The usage of carbon through the Entner-Doudoroff pathway seems to be a way of generating redox potential for defensive mechanism against the host plant. An absence of auxotrophies and the presence of catabolic routes for amino acids shows the metabolic and adaptive potential of the organism, as expected since it grows on nutrient-limited environments. This reconstructed model can be used to explore the metabolism and provide information for potential drug targets for the agricultural-destructive phytopathogen X. fastidiosa.
Xylella fastidiosa é uma bactéria fitopatogénica que causa doenças em centenas de espécies de plantas. O aumento de relatos de plantas infetadas por esta bactéria limitada ao xilema é alarmante, uma vez que o patogéneo ataca cultivações de significante valor económico, como o caso de citrinos, uvas, azeitonas e amêndoas, resultando em perdas económicas extensivas para produtores. A atual estratégia de contenção da epidemia é radical, uma vez que resulta na destruição da planta infetada e da área circundante. Desta forma, é urgente desenvolver novas formas de eliminar esta bactéria com terapias direcionadas ao patogéneo. Modelos metabólicos a escala-genómica contém informação genómica e metabólica de um organismo e podem ser utilizados para descobrir novos potenciais alvos terapêuticos. Assim, um modelo metabólico à escala-genómica de X. fastidiosa poderá desvendar novas formas de controlar a bactéria. Nesta tese, foi desenvolvido um modelo de alta qualidade para X. fastidiosa subsp. pauca De Donno, recorrendo a ferramenta merlin. Esta estirpe foi escolhida pela sua importância na economia nacional, visto que causa Síndrome de declínio rápido da oliveira. O modelo reconstruído de X. fastidiosa contém um conjunto de 1280 reações e 524 genes. O genoma de X. fastidiosa subsp. pauca De Donno foi funcionalmente anotado de forma a identificar o potencial metabólico do organismo fitopatogénico. Funções metabólicas identificadas no genoma foram utilizadas para agregar uma rede metabólica. Posteriormente, curação manual da rede metabólica foi feita para representar corretamente as capacidades do organismo, e reações associadas a biomassa, baseadas em literatura e dados experimentais, foram adicionadas ao modelo. O modelo reconstruído foi de seguida validado usando dados experimentais em relação ao metabolismo aeróbico, padrão do fluxo de carbono, utilização de carbono, auxotrofias de aminoácidos e crescimento em diversos meios criados para o crescimento de X. fastidiosa. Simulações in sílico revelaram propriedades metabólicas interessantes de X. fastidiosa. A utilização de carbono pela via Entner-Doudoroff parece ser uma estratégia para gerar potencial redutor para mecanismos defensivos contra a planta hospedeira. A ausência de auxotrofias e a presença de vias catabólicas de aminoácidos mostram o potencial metabólico e adaptativo do organismo, como seria de esperar face ao seu crescimento natural em ambientes com restrições nutritivas. Este modelo pode ser usado para explorar o metabolismo e fornecer informação de potenciais alvos terapêuticos para o fitopatogénico destrutivo para a agricultura, X. fastidiosa.
TipoDissertação de mestrado
DescriçãoDissertação de mestrado em Bioinformática
URIhttps://hdl.handle.net/1822/80753
AcessoAcesso aberto
Aparece nas coleções:BUM - Dissertações de Mestrado
DI - Dissertações de Mestrado
CEB - Dissertações de Mestrado / MSc Dissertations

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Miguel Angelo Fernandes da Silva.pdf1,3 MBAdobe PDFVer/Abrir

Este trabalho está licenciado sob uma Licença Creative Commons Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID