Informație

6.12.2: Rata morții microbiene - Biologie


OBIECTIVE DE INVATARE

  • Descrieți rata mortalității microbiene

Se poate determina rata morții microbiene. Este important pentru a dezvolta protocoale standard pentru dezinfectare care vor facilita rutina de sterilizare în multe industrii. Scopul este de a afla care este timpul minim necesar pentru a atinge un nivel acceptabil de sterilizare pentru un scop specific. Agentul de ucidere poate fi diferit (de exemplu, căldură, substanță chimică cu o anumită concentrație) în funcție de aplicația specifică.

Când factorul de ucidere este căldura, se poate folosi sintagma moarte termică. Timpul de moarte termică este un concept utilizat pentru a determina cât timp durează până la distrugerea unei bacterii specifice la o anumită temperatură. A fost inițial dezvoltat pentru conservarea alimentelor și a găsit aplicații în produse cosmetice și în producerea de furaje fără salmonella pentru animale (de exemplu, păsări de curte și produse farmaceutice).

În industria alimentară, este important să se reducă cantitatea de microbi din produse pentru a asigura siguranța alimentară adecvată. Acest lucru se face de obicei prin prelucrarea termică și găsirea unor modalități de reducere a numărului de bacterii din produs. Măsurătorile timp-temperatură ale reducerii bacteriene sunt determinate de o valoare D, ceea ce înseamnă cât timp ar dura reducerea populației bacteriene cu 90% sau un singur log10 la o temperatură dată. Această referință a valorii D (DR) punctul este de 121 ° C.

Valoarea Z sau z este utilizată pentru a determina valorile de timp cu diferite valori D la diferite temperaturi cu ecuația sa prezentată mai jos:

[z = T_2 − T_1 log D_1− log D_2 z = T_2 − T_1 log ⁡D_1− log ⁡D_2 ]

unde T este temperatura în ° C. Astfel de curbe de moarte pot fi stabilite empiric pentru toți agenții bactericide. Această valoare D este afectată de pH-ul produsului, unde pH-ul scăzut are valori D mai rapide la diverse alimente. Valoarea D la o temperatură necunoscută poate fi calculată cunoscând valoarea D la o temperatură dată cu condiția să se cunoască valoarea Z. Ținta reducerii conservelor este reducerea 12-D a Clostridium botulinum, ceea ce înseamnă că timpul de procesare va reduce cantitatea acestei bacterii cu 1012 bacterii pe gram sau mililitru. DR pentru C. botulinum este de 12,6 secunde. O reducere 12-D va dura 151 secunde.

Puncte cheie

  • Când se cercetează rata mortalității microbiene, obiectivul este de obicei să se afle timpul minim necesar pentru a atinge un nivel acceptabil de sterilizare într-un scop specific.
  • Reducerea bacteriană este determinată de o valoare D, ceea ce înseamnă cât timp ar dura reducerea populației bacteriene cu 90% sau un log10 într-o stare dată a agentului de ucidere.
  • Curbele de moarte microbiene au fost dezvoltate pentru mulți agenți și sunt utilizate în numeroase industrii.

Termeni cheie

  • Valoarea D: Timpul necesar pentru reducerea populației bacteriene cu 90% sau un log10 la o temperatură dată.
  • Reducere 12-D: Timpul necesar pentru a reduce cantitatea de bacterii cu 1012 bacterii pe gram sau mililitru.

Faza LAG:

imediat după inocularea celulelor în mediu proaspăt. În această fază, celulele își adaptează mediul înconjurător. Populația bacteriană rămâne aceeași (temporar neschimbată). Nu există diviziune celulară. În timpul fazei de întârziere, celulele nu se află în stadiul inactiv. În grafic, putem vedea faza de întârziere ca „A'. Durata acestei faze poate varia în condițiile de mediu, culturi ale speciilor bacteriene și poate dura de la o oră la zile.

Faza Jurnal:

uneori această fază este cunoscută și sub numele de fază exponențială, deoarece în această fază creșterea celulelor este exponențială. O celulă își dublează numărul. Creșterea celulelor depinde de condițiile de mediu și de mediul de cultură. Creșterea celulară este la un ritm maxim, folosind cea mai mare parte a mediului nutritiv. În graficul de mai sus, putem vedea faza LOG ca „B ’.

Rata de creștere în faza LOG este 2 0, 2 1, 2 2, 2 3 ... 2 n (n este numărul de generații)

Faza staționară de creștere bacteriană :

din cauza lipsei substanțelor nutritive esențiale și a modificării factorilor de mediu a creșterii celulare medii furnizate a devenit aproape oprită. Bacteriile încep să producă toxine (deșeuri metabolice), afectează creșterea altor celule. În faza staționară, numărul de celule viabile este egal cu numărul de celule moarte. În graficul „C ’ reprezintă faza staționară.

Faza MOARTE sau faza DECLINARE:

inversul fazei log, dacă incubația este continuă după ce populația bacteriană atinge faza staționară, creșterea este urmată de faza morții. reprezentat ca & # 8216D & # 8217 în grafic. Faza morții apare din cauza:

Timp de generare: Timpul necesar celulei pentru divizare.

Formula ratei de creștere a bacteriilor:

Timp de generare = t / n

Unde t este timpul în minute

Și n este numărul de generații

Factori care afectează creșterea celulei

  • Temperatura
  • Aciditate
  • Nutrienți
  • Oxigen
  • Endo / Exotoxine produse de celule
  • Faza de întârziere: fără creștere celulară, celula se adaptează la mediul oferit
  • Faza jurnalului: creșterea maximă a celulei, consumul maxim de nutrienți, celula crește exponențial, rata de creștere a celulei 2 n
  • Faza stationara: lipsa nutrienților, creșterea celulelor a devenit stabilă, numărul de celule viabile = numărul de celule moarte
  • Faza moartă: din cauza lipsei de nutrienți, celulele încep să moară.
  1. 1. Zwietering, M. H., Jongenburger, I., Rombouts, F. M., & amp Van & # 8217t Riet, K. J. A. E. M. (1990). Modelarea curbei de creștere bacteriană. Microbiologie aplicată și de mediu, 56 (6), 1875-1881.
  2. 2. Baranyi, J. și amp Roberts, T. A. (1994). O abordare dinamică a prezicerii creșterii bacteriene în alimente. Revista internațională de microbiologie alimentară, 23 (3-4), 277-294.
  3. 3. Baranyi, J., McClure, P. J., Sutherland, J. P. și amp Roberts, T. A. (1993). Modelarea răspunsurilor de creștere bacteriană. Jurnalul de Microbiologie Industrială, 12 (3-5), 190-194.

Abstract

Legile scalării stau la baza teoriilor unificatoare ale biodiversității și se numără printre cele mai puternice relații predictive din biologie. Cu toate acestea, legile de scalare dezvoltate pentru plante și animale sunt adesea netestate sau nu sunt valabile pentru microorganisme. Ca urmare, nu este clar dacă legile de scalare ale biodiversității vor cuprinde domenii evolutive ale vieții, care cuprind toate modurile de metabolism și scalele de abundență. Folosind o compilație la scară globală de ∼35.000 de situri și ∼5.6⋅106 specii, incluzând cel mai mare inventar de date moleculare cu randament ridicat și una dintre cele mai mari compilații de date ale comunității de plante și animale, prezentăm rate similare de scalare în comun și raritatea între microorganisme și plante și animale macroscopice. Documentăm o lege a scalării dominanței universale care se întinde pe 30 de ordine de mărime, o întindere fără precedent care prezice abundența bacteriilor oceanice dominante. Combinând această lege a scalării cu modelul lognormal al biodiversității, prezicem că Pământul găzduiește peste 1 trilion (10 12) de specii microbiene. Biodiversitatea microbiană pare mai mare decât s-a anticipat niciodată, însă previzibilă de la cel mai mic la cel mai mare microbiom.

Înțelegerea biodiversității microbiene s-a transformat rapid în ultimul deceniu. Secvențierea de mare viteză și bioinformatica au extins catalogul taxonilor microbieni după ordinele de mărime, în timp ce dezgroparea noilor filuri remodelează arborele vieții (1 ⇓ –3). În același timp, descoperirile de noi forme de metabolism au oferit o perspectivă asupra modului în care microbii persistă în practic toate ecosistemele acvatice, terestre, proiectate și asociate gazdei (4, 5). Cu toate acestea, această perioadă de descoperire a descoperit puține, dacă există, reguli generale pentru prezicerea biodiversității microbiene la scări de abundență care caracterizează, de exemplu, celulele ∼10 14 ale bacteriilor care locuiesc într-un singur om sau ∼10 30 celulele bacteriilor și archaea estimată să locuiască pe Pământ (6, 7). Astfel de descoperiri ar ajuta la estimarea bogăției globale a speciilor și ar arăta dacă teoriile biodiversității sunt valabile pe toate scările abundenței și dacă așa-numitele modele de biodiversitate asemănătoare legii acoperă arborele vieții.

Un obiectiv principal al ecologiei și al teoriei biodiversității este de a prezice diversitatea, caracterul comun și raritatea taxonilor și a scărilor de spațiu, timp și abundență (8 ⇓ –10). Acest obiectiv poate fi greu atins fără a ține cont de cele mai abundente, răspândite și metabolice, taxonomice și funcționale organisme de pe Pământ (de exemplu, microorganisme). Cu toate acestea, testele teoriei biodiversității includ rar seturi de date atât microbiene, cât și macrobiene. În același timp, studiul ecologiei microbiene nu a descoperit încă relații cantitative care prezic diversitatea, caracterul comun și raritatea la scara microbiomilor gazdă și nu numai. Aceste oportunități neexplorate lasă înțelegerea biodiversității limitată la cele mai vizibile specii de plante și animale. Această lipsă de sinteză a dus, de asemenea, la studiul independent a două fenomene care probabil reprezintă un singur model universal. Mai precis, aceste fenomene sunt distribuțiile foarte inegale ale abundenței care stau la baza teoriei biodiversității (11) și modelul universal al comunității și rarității microbiene cunoscut sub numele de „biosferă rară” microbiană (12).

Legile de scalare oferă o cale promițătoare către înțelegerea și predicția unificată a biodiversității. De asemenea, denumite legi ale puterii, formele acestor relații, yX z , prezice ratele liniare de schimbare în cadrul transformării logaritmice [adică, log (y) ∼ zButuruga(X)] și, prin urmare, modificări proporționale între ordinele de mărime. Legile de scalare dezvăluie modul în care constrângerile fiziologice, ecologice și evolutive se mențin între genomi, celule, organisme și comunități de dimensiuni foarte diferite (13 ⇓ –15). Printre cele mai cunoscute sunt scalarea ratei metabolice (B) cu dimensiunea corpului [M B = BoM 3/4 (13)] și viteza cu care bogăția speciilor (adică, numărul de specii S) scala cu zona [A S = cA z (16)]. Aceste legi de scalare sunt prezise de teorii ecologice puternice, deși dovezile sugerează că nu reușesc pentru microorganisme (17 ⇓ –19). Dincolo de suprafața și dimensiunea corpului, există o constrângere la fel de generală asupra biodiversității, adică numărul de indivizi dintr-un ansamblu (N). Adesea denumită abundență totală, N poate varia de la mai puțin de 10 indivizi într-o anumită zonă la aproape 10 30 de celule de bacterii și arhee de pe Pământ (6, 7). Această întindere depășește cele 22 de ordine de mărime care separă masa unui Proclorococ celulă (3⋅1 −16 kg) dintr-o balenă albastră (1,9 · 10 5 kg) și cele 26 de ordine de mărime care rezultă din măsurarea suprafeței Pământului la un bob spațial echivalent cu bacteriile (5,1⋅10 26 μm 2).

Aici, ne gândim dacă N poate fi una dintre cele mai puternice constrângeri asupra caracterului comun și a rarității și una dintre cele mai expansive variabile pe care s-ar putea extinde aspectele biodiversității. Cu toate că N impune o constrângere evidentă asupra numărului de specii (adică SN), studiile empirice și teoretice sugerează că S solzi cu N cu o rată de 0,25-0,5 (adică SN z și 0,25 ≤ z ≤ 0,5) (20 ⇓ –22). Important, această relație se aplică eșantioanelor din diferite sisteme și nu se referă la modele cumulative (de exemplu, curbele colectorului), care se bazează pe eșantionare (20 ⇓ –22). Studii recente au arătat, de asemenea, că N constrânge modele universale de comunitate și raritate prin impunerea unei constrângeri numerice asupra modului în care abundența variază între specii, în spațiu și în timp (23, 24). În special, mai mare N duce la distribuții din ce în ce mai inegale și la o raritate mai mare. Prin urmare, ne așteptăm la mai mult N pentru a corespunde unei distribuții din ce în ce mai inegale între un număr mai mare de specii, o porțiune din ce în ce mai mare ar trebui să fie rară. Cu toate acestea, puterea relațiilor, dacă acestea diferă între microbi și macrobi, și dacă acestea sunt conforme cu legile de scalare între ordinele de mărime sunt practic necunoscute.

Dacă aspectele diversității, caracterului comun și rarității se întind cu N, atunci predicțiile la scară locală la nivel mondial ale biodiversității microbiene ar putea fi la îndemână. La fel, dacă aceste relații sunt similare pentru microbi și macrobi, atunci s-ar putea să fim mai aproape de o înțelegere unificată a biodiversității decât se credea anterior. Pentru a răspunde la aceste întrebări, am compilat cele mai mari seturi de date microbiene și macrobiene disponibile public până în prezent. Aceste date includ 20.376 de situri de comunități fungice bacteriene, arhaeale și microscopice și 14.862 de situri de comunități de copaci, păsări și mamifere. Ne-am concentrat pe aspectele taxonomice ale biodiversității, inclusiv pe bogăția speciilor (S), asemănare în abundență între specii (uniformitate), concentrație de N printre speciile cu abundență relativ redusă (raritate) și numărul de indivizi care aparțin celei mai abundente specii (dominanță absolută, Nmax). Folosim relațiile rezultate pentru a prezice Nmax și S în microbiomi mari și face estimări susținute empiric și fundamentate teoretic pentru numărul de specii microbiene de pe Pământ.


Creșterea microorganismelor: 6 factori

Următoarele puncte evidențiază cei șase factori fizici principali care afectează creșterea microorganismelor. Factorii sunt: ​​1. Solutele și aciditatea apei 2. Temperatura 3. pH 4. Cerințe privind oxigenul 5. Presiune 6. Radiații.

Factorul # 1. Solutele și aciditatea apei:

Apa este una dintre cele mai esențiale cerințe pentru viață. Astfel, disponibilitatea sa devine cel mai important factor pentru creșterea microorganismelor. Disponibilitatea apei depinde de doi factori - conținutul de apă din mediul înconjurător și concentrația de substanțe dizolvate (săruri, zaharuri etc.) dizolvate în apă.

În majoritatea cazurilor, citoplasma celulară are o concentrație mai mare de solut în comparație cu mediul său. Astfel, apa se difuzează întotdeauna de la o regiune cu concentrația sa mai mare la o regiune cu concentrația mai mică.

Acest proces se numește osmoză care menține citoplasma microbiană în echilibru pozitiv al apei. Atunci când o celulă microbiană este plasată într-o soluție hipertonică (sau o soluție cu activitate scăzută a apei) pierde apă și are loc contracția membranei. Acest fenomen se numește plasmoliză.

Microorganismele prezintă variabilitate în capacitatea lor de a adapta habitatele cu activitate scăzută a apei. Microorganismele precum S. aureus pot supraviețui pe o gamă largă de activitate a apei și sunt numite ca osmotolerante (deoarece activitatea apei este invers legată de presiunea osmotică).

Cu toate acestea, majoritatea microorganismelor cresc bine doar în apropierea activității apei pure (adică în jur de 0,98-1). Astfel, uscarea alimentelor sau adăugarea unei concentrații ridicate de săruri și zaharuri este cel mai popular mod de prevenire a alterării alimentelor.

Microorganismele de apă de mare sunt numite halofile, deoarece necesită o concentrație mare de săruri (între 2,8-6,2 M) pentru a crește. Halobacterium, o arheobacterie halofilă, locuiește în Marea Moartă (un lac sărat situat între Israel și Iordania și cel mai jos lac din lume), Marele Lac Salt în Utah și alte habitate acvatice care au concentrații de sare care se apropie de apa sărată.

Disponibilitatea cantitativă a apei poate fi exprimată într-un termen fizic numit activitate a apei (aw). Activitatea apei pentru o soluție de probă este raportul dintre presiunea de vapori a soluției de probă și presiunea de vapori a apei la aceeași temperatură (ow = Psoln/ Papă).

Umiditatea relativă a unei probe de test (la echilibru) poate fi obținută, după sigilarea acesteia într-o cameră închisă. Aceasta determină activitatea apei unei soluții. De exemplu, dacă după tratarea prin metoda de mai sus, umiditatea relativă a aerului peste probă este de 95%, atunci activitatea apei probei este de 0,95.

# Factor 2. Temperatura:

Toate formele de viață sunt foarte influențate de temperatură. De fapt, microorganismele sunt foarte sensibile la temperatură, deoarece temperatura lor variază cu cea a mediului (puikilotermic).

Temperatura influențează viteza reacțiilor chimice și integritatea structurii proteinelor, afectând astfel ratele activității enzimatice. La temperaturi scăzute, enzimele nu sunt denaturate, prin urmare, la fiecare 10 ° C creșterea temperaturii are ca rezultat creșterea activității metabolice și creșterea microorganismelor.

Cu toate acestea, enzimele au o gamă de stabilitate termică și dincolo de aceasta are loc denaturarea lor. Astfel, temperatura ridicată ucide microorganismele prin denaturarea enzimelor, prin inhibarea moleculelor purtătoare de transport sau prin modificarea integrității membranei. Fiecare microb prezintă dependență caracteristică de temperatură și posedă propriile temperaturi cardinale, adică temperaturi minime, maxime și optime de creștere (Fig. 19.15).

Valorile pentru temperatura cardinală variază foarte mult între bacterii. Pentru comoditate, bacteriile izolate din izvoarele termale pot supraviețui chiar și la temperatura de 100 ° C și peste, în timp ce cele izolate de zăpadă pot supraviețui sub -10 ° C. Pe baza susceptibilității la condițiile termice, microorganismele sunt clasificate în trei categorii: termofili, meshofili și psihrofili.

Termofilii sunt microorganisme care prezintă o creștere optimă la 55 ° C. Adesea au o creștere maximă de 65 ° C, în timp ce puțini pot crește chiar și la 100 ° C și la temperaturi mai ridicate. Minimele lor de creștere sunt de 45 ° C. Marea majoritate a termofilelor aparțin procariotele, deși câteva microalge (de exemplu, Cyanidium caldarium) și micro-ciuperci (de exemplu, Mucor pusillus) sunt, de asemenea, termofile.

Câteva microorganisme sunt hipertermofile, deoarece posedă creșteri optime între 80 ° C și aproximativ 113 ° C. Hiper-termofilii nu cresc de obicei cu mult sub 55 ° C (de exemplu, Pyrococcus abyssi, Pyrodictium occultum).

Mesofilii sunt microorganisme care au creșteri minime între 15 ° C-20 ° C optime între 20-45 ° C și maxime la 45 ° C. Majoritatea microorganismelor se încadrează în această categorie. Aproape toți agenții patogeni umani sunt mezofili, deoarece cresc la o temperatură destul de constantă, de 37 ° C. Psihofilii au temperatura optimă pentru creștere la 15 ° C, cu toate acestea, puțini pot crește chiar și sub 0 ° C.

Temperatura maximă de creștere a psihrofilelor este de aproximativ 20 ° C. Răspândirea alimentelor refrigerate are loc din cauza psihrofilelor facultative. Acestea sunt microorganisme care pot crește la 0 ° C, dar au o temperatură optimă de creștere între 20 ° -30 ° C.

# Factor 3. pH:

PH-ul este definit ca un logaritm negativ al concentrației ionilor de hidrogen:

Scara pH-ului se extinde de la pH 0,0 la 14,0 și fiecare unitate de pH reprezintă o schimbare de zece ori a concentrației ionilor de hidrogen. PH-ul unei soluții relevă dacă soluția este acidă, alcalină sau neutră. O soluție neutră conține pH egal cu 7. Soluția acidă prezintă pH sub 7, în timp ce soluția alcalină prezintă pH peste 7.

Activitatea enzimelor microbiene depinde de schimbarea prezentă pe suprafața aminoacizilor. Orice modificare a pH-ului din mediul înconjurător poate crește activitatea enzimei sau poate inhiba activitatea (Tabelul 19.2).

Astfel, pH-ul poate afecta dramatic creșterea microorganismelor. Fiecare specie de microorganisme prezintă un interval specific de creștere a pH-ului. Microorganismele pot fi clasificate ca acidofile, neutrofile și bazofile (alcalofile) pe baza cerinței lor pentru un pH particular în mediul lor.

Acidofilii cresc între pH-ul cuprins între 0,0 și 5,5, neutrofilele între 5,5 și 8 și bazofilele între 4,5 și 11,5. Majoritatea micro-ciupercilor sunt acidofile, deoarece cresc în împrejurimi cu pH de la 4 la 6. Majoritatea bacteriilor și protozoarelor sunt neutrofile.

Microorganismele în creștere produc deșeuri metabolice acide și bazice. Aceste deșeuri devin adesea agenți inhibitori, deoarece modifică pH-ul mediului înconjurător.

Astfel, se adaugă tampoane fosfat sau citrat pentru a menține pH-ul constant al mediului. Tampoanele sunt săruri de acizi slabi sau baze care mențin constant pH-ul mediului. Fosfatul este un tampon utilizat în mod obișnuit și reprezintă un bun exemplu de tamponare cu un acid slab (H2PO4 & # 8211) și baza sa conjugată (HPO4 2-) în modul următor.

# Factor 4. Cerințe privind oxigenul:

Atmosfera pământului conține aproximativ 20% (v / v) de oxigen. Microorganismele capabile să crească în prezența oxigenului atmosferic sunt numite aerobi, în timp ce cele care cresc în absența oxigenului atmosferic sunt numite anaerobi.

Microorganismele care sunt complet dependente de oxigenul atmosferic pentru creștere sunt numite aerobi obligați, în timp ce cele care nu necesită oxigen pentru creștere, dar cresc bine în prezența sa, sunt numite anaerobi facultativi.

Aerotoleranții (de ex. Enterococcus faecalis) ignoră O.2 și poate crește în prezența sau absența sa. În schimb, anaerobii obligați (de exemplu, bacteroizi, Clostridium pasteurianum, Furobacterium) nu tolerează deloc prezența oxigenului și mor în cele din urmă. Puține microorganisme (de exemplu, Campylobacter) necesită oxigen la un nivel foarte scăzut (2-10%) de concentrație și sunt numite microaerofile (Fig. 19.16). Acestea din urmă sunt deteriorate de nivelul atmosferic normal de oxigen (20%).

Aceste relații variate între microbi (în special bacteriile) și O.2 apar datorită diferiților factori, cum ar fi inactivarea proteinelor și efectul derivaților toxici ai oxigenului. Enzimele bacteriene pot fi inactivate atunci când interacționează cu oxigenul. Enzima fixatoare de azot introgenă este foarte sensibilă la oxigen și reprezintă un bun exemplu de interacțiune între enzimă și oxigen.

În timpul procesului metabolic, flavoproteina reduce oxigenul pentru a forma peroxid de hidrogen (H2O2), radical superoxid (O2 & # 8211) și radical hidroxi (OH & # 8211). Acești compuși sunt foarte toxici și sunt un agent oxidant puternic, pot provoca distrugerea macromoleculelor celulare.

Prin urmare, pentru a supraviețui, bacteriile trebuie să fie capabile să o protejeze de agenții oxidanți. Toți aerobii și anaerobii facultativi conțin două enzime și anume superoxid dismutază și catalază. Aceste enzime protejează microbii împotriva efectelor letale ale produselor de oxigen.

Proprietatea oxidantă a superoxidului este anulată de superoxid dismutază, deoarece transformă superoxidul în oxigen și peroxid de hidrogen. Enzima catalază descompune peroxidul de hidrogen în oxigen și apă. Bacteriile aero-tolerante, cum ar fi bacteriile lactice, posedă enzime peroxidaze în loc de catalază pentru a descompune peroxidul de hidrogen acumulat.

Deoarece toate anaerobii obligați nu au aceste enzime sau le au în concentrație foarte scăzută și, prin urmare, sunt susceptibile la oxigen.

# Factor 5. Presiune:

Viața normală a microorganismelor pe uscat sau pe suprafața apei este întotdeauna supusă unei presiuni de 1 atmosferă. Dar, sunt mulți microbi care supraviețuiesc în extreme de presiune hidrostatică în adâncul mării. Alții sunt acolo care nu numai că supraviețuiesc, ci cresc mai rapid la presiuni ridicate (de exemplu, Protobacterium, Colwellia, Shewanella) și sunt numiți barofili.

Unele arhebacterii sunt termobarofile (de exemplu, Pyrococcus spp., Methanococcus jannaschii). Cu toate acestea, un barofil a fost recuperat de la adâncimea de aproximativ 10.500 m în mare lângă Filipine și a fost găsit incapabil să crească la temperatura de 2 ° C și sub aproximativ 400-500 de presiune atmosferică.

# Factor 6. Radiații:

Unele radiații electromagnetice, în special radiațiile ionizante (de exemplu, razele X, razele gamma) sunt foarte dăunătoare creșterii microbiene. Nivelurile scăzute ale acestor radiații pot provoca mutații și pot duce indirect la moarte, în timp ce nivelurile ridicate pot cauza moartea microbilor.

Radiațiile ionizante distrug totuși structurile inelare, rupe legăturile de hidrogen, oxidează legăturile duble și polimerizează anumite molecule. Radiațiile ultraviolete (UV) sunt letale pentru toate categoriile de viață microbiană datorită lungimii sale de undă scurte și energiei mari, cea mai letală radiație UV are o lungime de undă de 260 nm.

Radiațiile ultraviolete formează în principal dimeri de timină în ADN pentru a provoca daune. Două timine adiacente într-o catenă de ADN se unesc covalent și inhibă replicarea și funcția ADN-ului. Pigmenții microbieni fotosintetici (clorofilă, bacterioclorofilă, citocromă și flavină), uneori, absorb energia luminii, devin excitați sau activați și acționează ca fotosensibilizatori.

Fotosensibilizatorul excitat (P) își transferă energia în oxigen, ceea ce are ca rezultat oxigen singulet (1 O2). Acesta din urmă este un agent oxidant foarte reactiv și puternic și distruge rapid o celulă. Oxigenul singlet este probabil arma principală folosită de fagocite pentru a distruge bacteriile înghițite.


Co-infecții la persoanele cu COVID-19: o revizuire sistematică și meta-analiză

Obiective: În pandemiile de gripă anterioare, co-infecțiile bacteriene au fost o cauză majoră a mortalității. Ne-am propus să evaluăm povara co-infecțiilor la pacienții cu COVID-19.

Metode: Am căutat în mod sistematic Embase, Medline, Cochrane Library, LILACS și CINAHL pentru studii eligibile publicate de la 1 ianuarie 2020 până la 17 aprilie 2020. Am inclus pacienți de toate vârstele, în toate setările. Rezultatul principal a fost proporția pacienților cu o co-infecție bacteriană, fungică sau virală. .

Rezultate: Au fost incluse 30 de studii, incluzând 3834 de pacienți. În general, 7% dintre pacienții spitalizați cu COVID-19 au avut o co-infecție bacteriană (95% CI 3-12%, n = 2183, I 2 = 92 · 2%). O proporție mai mare de pacienți cu terapie intensivă a avut co-infecții bacteriene decât pacienții aflați în regim mixt de secție / terapie intensivă (14%, IC 95% 5-26, I 2 = 74,7% comparativ cu 4%, IC 95% 1-9, I 2 = 91,7%). Cele mai comune bacterii au fost pneumonia Mycoplasma, Pseudomonas aeruginosa și Haemophilus influenzae. Proporția cumulată cu o co-infecție virală a fost de 3% (95% CI 1-6, n = 1014, I 2 = 62 · 3%), virusul sincițial respirator și gripa A fiind cele mai frecvente. Trei studii au raportat co-infecții fungice.

Concluzii: O proporție redusă de pacienți cu COVID-19 prezintă o co-infecție bacteriană mai mică decât în ​​pandemiile anterioare de gripă. Aceste descoperiri nu susțin utilizarea de rutină a antibioticelor în gestionarea infecției confirmate COVID-19.

Cuvinte cheie: COVID-19 Co-infecție meta-analiză a coronavirusului.

Copyright © 2020 The British Infection Association. Publicat de Elsevier Ltd. Toate drepturile rezervate.

Declarație privind conflictul de interese

Declarația de interes concurent LL, BL și VB nu declară interese concurente. Instituția WSL a primit finanțare nelimitată de cercetare inițiată de Pfizer pentru un studiu de cohortă de pneumonie fără legătură în care este investigatorul șef.


MULȚUMIRI

Mulțumim numeroșilor colegi pentru discuții utile și mulțumim în special lui Matthias Bally, V & # x000e1clav Chaloupka, Andres K & # x000e4ch, Urs Lendenmann și Anita Mock pentru măsurători experimentale atente pe care se bazează considerațiile teoretice. Mulțumim, de asemenea, lui H. Harms, K. Demnerova și A. J. B. Zehnder pentru revizuirea critică a manuscrisului. K.K. este, de asemenea, îndatorată de P. Grau și J. Chudoba pentru introducerea ei în modul de cinetică a creșterii & # x0201cclassical & # x0201d, precum și lui T. Egli pentru introducerea ei în modurile & # x0201cpostclassical & # x0201d.

Suntem recunoscători pentru sprijinul oferit de Institutul Federal Elvețian pentru Știința și Tehnologia Mediului (EAWAG). Cercetarea cu privire la cinetica substratului mixt a fost finanțată de Fundația Națională Științifică Elvețiană (proiecte NF-3.474.-083, 31-9210.87, 31-30004.90, 31-30004.90 / 2). Sprijinul financiar pentru lucrările privind NTA a venit atât de la Comisia de cercetare a ETH Z & # x000fcrich (proiectul 0.330.089.86), cât și de la Lever (Elveția) / Unilever Merseyside (Anglia).


Starea metabolică bacteriană prezice mai exact letalitatea antibioticului decât rata de creștere

S-a demonstrat separat că rata de creștere și starea metabolică a bacteriilor afectează eficacitatea antibioticelor 1-3. Cu toate acestea, cele două sunt corelate, deoarece creșterea bacteriană impune în mod inerent o sarcină metabolică 4, determinarea contribuțiilor individuale din fiecare fiind o provocare 5,6. Într-adevăr, creșterea mai rapidă este adesea corelată cu eficacitatea crescută a antibioticelor 7,8, cu toate acestea, rolul concomitent al metabolismului în această relație nu a fost bine caracterizat. Ca urmare, lipsește o înțelegere clară a interdependenței dintre creștere și metabolism și implicațiile acestora pentru eficacitatea antibioticelor 9. Aici, am măsurat creșterea și metabolismul în paralel într-o gamă largă de condiții cuplate și decuplate pentru a determina contribuția lor relativă la letalitatea antibioticelor. Arătăm că atunci când creșterea și metabolismul sunt decuplate, letalitatea antibiotică depinde în mod uniform de starea metabolică bacteriană la momentul tratamentului, mai degrabă decât de rata de creștere. Mai departe, dezvăluim un prag metabolic critic sub care letalitatea antibioticelor este neglijabilă. Aceste descoperiri au fost generale pentru o gamă largă de afecțiuni, inclusiv nouă medicamente bactericide reprezentative și o gamă diversă de specii Gram-pozitive și Gram-negative (Escherichia coli, Acinetobacter baumannii și Staphylococcus aureus). Acest studiu oferă o bază coezivă metabolică-dependentă pentru moartea celulară mediată de antibiotice, cu implicații pentru strategiile actuale de tratament și dezvoltarea viitoare a medicamentelor.

Declarație privind conflictul de interese

J.J.C. este co-fondator științific și președinte al Consiliului consultativ științific al EnBiotix, o companie de descoperire a medicamentelor cu antibiotice.

Cifre

Fig. 1 |. Decuplarea creșterii de metabolism

Fig. 1 |. Decuplarea creșterii de metabolism

Fig. 2 |. Starea metabolică se corelează cu ...

Fig. 2 |. Starea metabolică se corelează cu letalitatea antibioticelor atât pentru condițiile cuplate, cât și pentru cele cuplate

Fig. 3 |. Letalitatea antibiotică depinde de ...

Fig. 3 |. Letalitatea antibiotică depinde de metabolismul celular în timpul creșterii exponențiale într-un ...


Moartea unui animal mare reprezintă o bonanță alimentară pentru microorganisme. Metcalf și colab. a monitorizat activitatea microbiană în timpul descompunerii cadavrelor umane și de șoarece. Indiferent de tipul de sol, sezon sau specie, succesiunea microbiană în timpul descompunerii a fost o măsură predictibilă a timpului de la moarte. Un cadavru deasupra lixivizează substanțe nutritive care permit dezvoltarea ciupercilor și bacteriilor asociate solului și insectelor. Aceste microorganisme sunt specialiști în metabolizare care transformă proteinele și lipidele în compuși cu miros urât, cum ar fi cadaverina, putrescina și amoniacul, a căror semnătură poate persista în sol mult timp după ce un cadavru a fost îndepărtat.

Descompunerea cadavrelor vertebrate oferă o etapă importantă în ciclul nutrienților în majoritatea habitatelor terestre, totuși procesele mediate microbial sunt slab înțelese. Aici combinăm caracterizarea comunității microbiene profunde, reconstrucția metabolică la nivel de comunitate și evaluarea biogeochimică a solului pentru a înțelege principiile care guvernează asamblarea comunității microbiene în timpul descompunerii cadavrelor de șoareci și de oameni pe diferite substraturi ale solului. Găsim o suită de grupuri bacteriene și fungice care contribuie la ciclul azotului și o rețea reproductibilă de descompunători care apar pe scări de timp previzibile. Rezultatele noastre arată că această comunitate de descompunători este derivată în principal din sol în vrac, dar descompunătorii cheie sunt omniprezenți în abundență scăzută. Tipul de sol nu a fost un factor dominant care a condus dezvoltarea comunității, iar procesul de descompunere este suficient de reproductibil pentru a oferi noi oportunități pentru investigații criminalistice.

Procesul de descompunere și descompunere la taxa de mamifere și alte vertebrate este un pas cheie în ciclul biologic al nutrienților. Fără acțiunea eliminatorilor de vertebrate și nevertebrate, bacterii, arhee, ciuperci și protiști, descompunerea chimică a deșeurilor animale ar urma extrem de încet și ar duce la rezervoare de deșeuri biochimice (1). Se preconizează că coevolutia descompunerilor microbiene cu disponibilitatea cadavrelor de vertebrate în ultimii 400 de milioane de ani va duce la conservarea căilor metabolice biochimice cheie și la interacțiuni ecologice între regate pentru reciclarea eficientă a rezervelor de nutrienți. Deși cadavrele de mamifere reprezintă probabil o componentă relativ mică a bazinului de detritus (2, 3) în majoritatea ecosistemelor, rolul lor în ciclul nutrienților și dinamica comunității poate fi disproporționat de mare în raport cu dimensiunea intrării, datorită conținutului ridicat de nutrienți al cadavrelor (3, 4) și ratele lor rapide de descompunere [de exemplu, cu până la trei ordine de mărime mai rapide decât deșeurile de plante (2)]. These qualities make corpses a distinct and potentially critical driver of terrestrial function (5, 6).

When a mammalian body is decomposing, microbial and biochemical activity results in a series of decomposition stages (5) that are associated with a reproducible microbial succession across mice (7), swine (8), and human corpses (9). Yet the microbial metabolism and successional ecology underpinning decomposition are still poorly understood. At present, we do not fully comprehend (i) whether microbial taxa that drive decomposition are ubiquitous across environment, season, and host phylogeny (ii) whether microbes that drive decomposition derive primarily from the host or from the environment and (iii) whether the metabolic succession of microbial decomposition is conserved across the physicochemical context of decay and host phylogeny.

Several questions arise: Are microbial decomposer communities ubiquitous? What is the origin of the microbial decomposer community? How does mammalian decomposition affect the metabolic capacity of microbial communities? To answer these questions, we used mouse corpses in laboratory settings and human donors in outdoor settings (see supplementary materials and methods). We observed mouse decomposition on three different soil types under constant temperature and humidity, with insects excluded. We sampled microbial communities on the skin, abdominal cavity, and gravesoil (soils associated with decomposition) by destructively sampling five mice per soil type per time point every 3 days for the first 2 weeks and less frequently thereafter over 71 days of decomposition (fig. S1). Outdoor experiments on human corpses were conducted at the Sam Houston State University (SHSU) Southeast Texas Applied Forensic Science (STAFS) Facility (a willed-body donation facility), where human bodies were exposed to all natural elements, including invertebrate and vertebrate scavengers. We sampled the skin and gravesoil associated with four decomposing human bodies—two of which were placed in the winter and two in the spring—over 143 days and 82 days, respectively (fig. S1). Human donors were sampled either daily or every other day during the first month and less frequently thereafter. We used high-throughput amplicon-based sequencing of 16S ribosomal RNA (rRNA) genes (archaeal and bacterial community), 18S rRNA genes (microbial eukaryotic community), and internal transcribed spacer regions (fungal community) to characterize the full microbial diversity associated with decomposition (figs. S2 to S5).

A mammalian corpse is a disturbance habitat that selects for a specialized microbial community capable of decomposing a highly concentrated source of proteins and lipids, rather than the plant-derived polysaccharides from which most detritus is derived. Our results show that microbial communities change significantly during decomposition (tables S1 to S12) and become more similar to each other across body sites and gravesoils (supplementary materials). Although mice were decomposed on soils with different chemical properties (table S13), soil type was not a major driver of skin decomposer bacterial structure (Fig. 1A). A Random Forests regression model trained on our microbial data resulted in estimates of the postmortem interval (PMI) with errors

2 to 3 days over first 2 weeks of decomposition (fig. S6). Additionally, estimates of PMI remained accurate when bacterial data associated with one soil type were used to train a regression model and predict PMI for samples associated with other soil types (fig. S7). In our human experiments, we also observed a reproducible succession of microbes across bodies within the same season (Fig. 1B and fig. S8), as well as accurate estimates of PMI across seasons and host species (Fig. 1C and fig. S9). We discovered that important features (i.e., microbes) in our experiment-specific regression models were similar across experiments (Fig. 1D). Together these results confirm that microbial succession was predictable across soil types, seasons, and host species.

(A) Results of principal coordinates analysis (PCoA) based on unweighted UniFrac distances for mouse skin bacterial and archaeal communities. Samples are colored by days of decomposition (left) and soil type (right). (B) Log scale heat map of 16S rRNA operational taxonomic units (OTUs) colonizing the skin of human corpses. (C) A 16S rRNA–based Random Forests (RF) model using our winter-season skin-and-soil data set to train the model and predict the PMI of human bodies in the spring. Each point indicates a sample collected at a certain PMI, with RF-predicted PMIs shown in red and randomly guessed PMIs in gray. RMSE, root mean square error. (D) Percentage of top 100 PMI regression features from each environment that were shared (colored lines) versus number of shared features from randomly selected subsets of size 100 (gray lines). ITS, internal transcribed spacer.

The microbial decomposer community may emerge from multiple environments in which decomposer organisms are often rare (low abundance) before decomposition begins. For the mouse experiment, we used dynamic Bayesian inference neural information flow networks, which revealed that soil was significantly more likely to be a source of bacteria and archaea for the colonization of mice (Fig. 2A). To identify the potential sources of decomposer microbial communities, we deeply sequenced 16S rRNA amplicons from samples collected on the first day of each experiment. We searched these deeply sequenced data for decomposers, which we defined as microbes that differentially increased during decomposition, and found that

40% of microbial decomposers were detected at very low relative abundances in soils at the start of experiments (supplementary text) (Fig. 2B). To understand the extent to which the blow fly, a common postmortem scavenger insect, may contribute to the microbial decomposer community, we also sequenced the bacterial and archaeal communities on 79 blow fly tarsi (supplementary materials) and discovered that they were a potential source for microbial decomposers, particularly in the human model experiment that occurred in the spring (fig. S10). Our results show that soil may be the main source of the microbial decomposer community, even though soil type is not important.

(A) Dynamic Bayesian inference networks: A neural information flow network of microbial taxa during decomposition shows soils as the most common source of decomposers. (B) Results from deeply sequencing 16S rRNA amplicons from samples collected on the first day of each experiment. The y axis indicates the proportion of abdominal, skin, and soil decomposer OTUs (X axis) detected in each environment at the start of the experiment. Bars with standard error are ordered by soil type [desert (d), shortgrass (s), and forest (f)] (left) or season [winter (w) and spring (s)] (right). Decomposers were detected in soils more frequently than in the abdomen in every comparison (Mann-Whitney U test: P & lt 0,05).

When a mammal dies, its immune system no longer functions and its internal temperatures change (10), radically altering the environment for microbial colonization and growth. Most endogenous mammalian microbes reside in the gastrointestinal tract, and postmortem changes in the gut microbial community lead to corpse bloating and, eventually, rupture (5). To investigate the microbial community dynamics of the abdominal cavity during decomposition, we used longitudinal data from the mouse abdomen samples to construct a dynamic Bayesian network of interactions between different taxa and several soil environmental factors (as a proxy for the abdominal environment). Nematodes are dependent on the actions of fungi and bacteria, with kinetoplastids (Discicristata) playing a key role in community succession (Fig. 3A). Fungi in the groups Eurotiales and Ascomycota are strong drivers of community structure, whereas fungi in Hypocreales appear to depend on the presence of bacteria for colonization of the abdomen. These shifts in microbial taxa are associated with large shifts in functional gene abundances, as predicted from 16S rRNA data analysis using the PICRUSt (phylogenetic investigation of communities by reconstruction of unobserved state) software (Fig. 3B) (11), particularly for Kyoto Encyclopedia of Genes and Genomes (KEGG) orthology group “metabolism” (Fig. 3C). We detected predicted increases in genes related to nitrogen cycling and amino acid degradation, including those required for the breakdown of lysine and arginine into the foul-smelling decomposition by-products cadaverine and putrescine (Fig. 3D).

(A) Dynamic Bayesian network of interactions between archaea, bacteria, microbial eukaryotes, and environmental abundance measurements during decomposition. Arrows indicate the direction of causality, and the network is arranged hierarchically so that it is a proxy for succession. (B și C) Results of PCoA of cecum, with all of the PICRUSt-predicted KEGG orthologies (KOs) (B) or KOs only classified as “metabolism” in KEGG functional hierarchies (C). (D) PICRUSt-predicted nitrite reductase, lysine decarboxylase, and ornithine decarboxylase enzyme-level genes in the mouse abdominal cavity during decomposition.

After corpse rupture, ammonia-rich fluids permeate the soil, resulting in extreme and significant effects on the nitrogen concentration and pH of gravesoil (Fig. 4A, fig. S11, and table S13). This rich source of nutrients and the marked changes to soil chemistry initiate a clear ecological succession of soil microbial organisms with increased capacity for nitrogen cycling and tolerance for the altered soil chemical environment (Fig. 4B and fig. S12). Predicted functions of bacterial communities increased in relative abundance of genes for amino acid degradation and subsequent ammonia production (Fig. 4C). Surprisingly, although we observed increases in soil nitrate concentrations and processes that consume nitrate (figs. S13 and S14), we did not see genetic signs of increased nitrification rates (figs. S13 and S14). This suggests that nitrification pulses induced by vertebrate decomposition may occur on finer spatial or temporal scales or, alternatively, that the PICRUSt reference database lacks genomes from the vertebrate corpse microbial nitrifier community (e.g., fungal genomes). Taken together, analysis of the full community of predicted metabolism-related functional genes, in association with the PMI and soil chemistry data, revealed marked changes in functional potential during decomposition. The large and rapid taxonomic changes in microbial communities—as well as their subsequent effect on the predicted metabolic capacity of both the corpse (Fig. 3) and its surrounding environment (Fig. 4 and fig. S13) during decomposition—may be part of a microbial strategy to outcompete insects and scavengers for an ephemeral, nutrient-rich resource. The dramatic changes in community structure and function may also reflect the selective pressures applied by the biogeochemical hotspot formed during corpse decomposition (Fig. 4A) (5). As a consequence, microbial succession during decomposition appears to be a predictable process that has implications for biogeochemical cycling and forensic science.

(A) pH, ammonium, and nitrate concentrations in mouse gravesoils and control soils. Error bars indicate 1 SD from the mean of five sample measurements. (B) Canonical correspondence analysis (CCA) of gravesoil bacterial predicted gene ontologies during decomposition. PICRUSt-predicted function data are based on KOs, with only genes classified as “metabolism” included in this analysis. (C) Predicted gene abundances of glutamate dehydrogenase and nitrate reductase in soils during decomposition.

These data are important in the context of ecosystem function. Decomposition is a fundamental microbial function spanning terrestrial ecosystems, and though plant inputs are the dominant source of organic matter, vertebrate corpse inputs can be important resources (5, 6). For example, one rain forest in Panama was estimated to receive 750 kg in mammal corpses annually per square kilometer (12). Although this represents less than 1% of the mass of plant litter received by another Panamanian rain forest (13), corpse nutrient sources can be an order of magnitude more concentrated than plant litter (5), and direct comparisons between plant and animal decomposition resources are rare (14). Thus, much is still unclear about the role of corpse inputs in larger-scale biogeochemical cycling (e.g., global carbon and nitrogen cycling) and in supporting specific communities and microbial diversity (14), and our results provide an important microbial perspective.

A societal impact of these results is the value of microbial data as physical evidence in medicolegal death investigation. We show that decomposer microbial communities could potentially serve as temporal (succession-based) and spatial (origin-based) (supplementary text) forms of physical evidence, such as the time elapsed since death (PMI) and the location of death. Our observation that postmortem microbial communities changed in a clock-like manner that provided an estimate of absolute PMI is similar to using the development of fly larvae to estimate PMI. However, the fly larvae PMI proxy is limited by corpse accessibility and season, resulting in PMI estimates in the range of weeks, months, and even years (15). Taken together, our findings demonstrate that postmortem microorganisms can provide both spatial and temporal insight into the events surrounding death.


Classification of Microorganisms by Growth Temperature

Bacteria can be classified on the basis of cell structure, metabolism or on differences in cell components.

Obiective de invatare

Describe how bacteria can be classified on the basis of cell structure, cellular metabolism or differences in cell components such as DNA

Chei de luat masa

Puncte cheie

  • A mesophile is an organism that grows best in moderate temperature, neither too hot nor too cold, typically between 20 and 45 °C (68 and 113 °F).The term is mainly applied to microorganisms.
  • All bacteria have their own optimum environmental surroundings and temperatures in which they thrive the most.
  • Thermophiles contain enzymes that can function at high temperatures. Some of these enzymes are used in molecular biology (for example, heat-stable DNA polymerases for PCR), and in washing agents.

Termeni cheie

  • mesophile: An organism, especially a microorganism, that lives and thrives at moderate temperatures.
  • thermophile: An organism that lives and thrives at relatively high temperatures a form of extremophile many are members of the Archaea.

Classification seeks to describe the diversity of bacterial species by naming and grouping organisms based on similarities. Bacteria can be classified on the basis of cell structure, cellular metabolism, or on differences in cell components such as DNA, fatty acids, pigments, antigens and quinones.

Bacteria can be classified by their optimal growth temperature. The following are the five classifications:

  • Hyperthermophile (60 degrees C and upwards)
  • Thermophile (optimal growth between 45 and 122 degrees)
  • Mesophile (20 and 45 degrees C)
  • Psychrotrophs (will survive at 0 degrees C, but prefer mesophilic temperature
  • Psychrophiles (-15 and 10 degrees C or lower)

Methanopyrus kandleri

Methanopyrus kandleri can survive and reproduce at 122 °C.

A mesophile is an organism that grows best in moderate temperature, neither too hot nor too cold, typically between 20 and 45 °C (68 and 113 °F). The term is mainly applied to microorganisms.The habitats of these organisms include especially cheese, yogurt, and mesophile organisms are often included in the process of beer and wine making. Organisms that prefer cold environments are termed psychrophilic, those preferring warmer temperatures are termed thermophilic and those thriving in extremely hot environments are hyperthermophilic. All bacteria have their own optimum environmental surroundings and temperatures in which they thrive the most. A thermophile is an organism — a type of extremophile — that thrives at relatively high temperatures, between 45 and 122 °C (113 and 252 °F). Thermophilic eubacteria are suggested to have been among the earliest bacteria. Thermophiles are found in various geothermally heated regions of the Earth, such as hot springs like those in Yellowstone National Park. and deep sea hydrothermal vents, as well as decaying plant matter, such as peat bogs and compost.As a prerequisite for their survival, thermophiles contain enzymes that can function at high temperatures. Some of these enzymes are used in molecular biology (for example, heat-stable DNA polymerases for PCR), and in washing agents.


Slower growth of Escherichia coli leads to longer survival in carbon starvation due to a decrease in the maintenance rate

Fitness of bacteria is determined both by how fast cells grow when nutrients are abundant and by how well they survive when conditions worsen. Here, we study how prior growth conditions affect the death rate of Escherichia coli during carbon starvation. We control the growth rate prior to starvation either via the carbon source or via a carbon-limited chemostat. We find a consistent dependence where death rate depends on the prior growth conditions only via the growth rate, with slower growth leading to exponentially slower death. Breaking down the observed death rate into two factors, maintenance rate and recycling yield, reveals that slower growing cells display a decreased maintenance rate per cell volume during starvation, thereby decreasing their death rate. In contrast, the ability to scavenge nutrients from carcasses of dead cells (recycling yield) remains constant. Our results suggest a physiological trade-off between rapid proliferation and long survival. We explore the implications of this trade-off within a mathematical model, which can rationalize the observation that bacteria outside of lab environments are not optimized for fast growth.

Cuvinte cheie: bacterial fitness bacterial survival bacterial systems biology death rate quantitative physiology.

© 2020 The Authors. Published under the terms of the CC BY 4.0 license.

Declarație privind conflictul de interese

The authors declare that they have no conflict of interest.

Cifre

Figure 1. Growth–death dependence

Figure 1. Growth–death dependence

Exponential growth of Escherichia coli K‐12, measured using optical density (OD…

Exponential growth of Escherichia coli K‐12, measured using optical density (OD600), in lysogenic broth (LB, white circles) or minimal medium supplemented with different carbon sources, listed in the legend on the bottom right in a grayscale. All the cultures are grown in batch mode, see Methods. Growth rates (slope of the exponential fits) are listed in Table EV1.

Bacterial viability in colony‐forming units (CFU) per ml of cultures from panel (A), grown until OD600 0.5, washed, and re‐suspended in carbon‐free minimal medium. Death rates (slopes of the exponential fits) are listed in Table EV1. Initial density for fast growth (lighter shades) is lower than for slow growth (darker shades), due to larger cell sizes that lead to lower cell densities per OD600. Note that after the exponential decay shown here, mutants gradually take over and long‐term survival can last months to years (Steinhaus and Birkeland, 1939, Zambrano et al, 1993, Finkel, 2006).

Death rates of panel (B) plotted against growth rates of panel (A) shown as circles in a grayscale. Squares show data obtained using eight other carbon substrates, also listed in Table EV1. Color circles show data obtained by varying growth rate in a chemostat. The black line shows a linear weighted least square fit to log‐transformed data that takes uncertainty in data points into account (see Methods). Data shown as mean ± (standard deviation) SD. Two or three replicates per condition.

Figure 2. Quantification of maintenance rate and…

Figure 2. Quantification of maintenance rate and recycling yield of Escherichia coli

In carbon starvation, death rate, γ, is determined by ratio of maintenance rate β to the recycling yield α (Schink și colab, 2019).

Death rates of wild‐type and GlpK22 mutants plotted versus growth rates. Wild type is grown in glycerol minimal medium in batch cultures (black circle) and in “chemostat” continuous cultures with growth rates coded in colors, see legend on the center right. GlpK22 mutants (white circle) are grown in glycerol minimal medium in batch culture. Data shown as mean ± (standard deviation) SD. Two replicates per condition. The black line shows the fit of Fig 1C.

Graphical synopsis of the assay to measure recycling yield: At different times during starvation, a sample is (1) extracted from a starved culture, (2) sterilized with UV‐light, (3) inoculated with 1% of the original starved culture, and (4) growth is measured using plate counting.

Example experiment of the assay sketched in panel (C). Cells previously grown at 0.3 h −1 in continuous culture are starved (green circles). After 2 days of starvation, a sample is (1) extracted and (2) UV‐sterilized, see dashed line, followed by (3) inoculation of 1% of starved and (4) growth of the culture. The difference between the maximum viability after growth and the initial viability at point (3) is the absolute yield.

The absolute yield measured at three different time points for each of the growth conditions shown in panel (B) is plotted against the viability of the starvation culture at the extraction time. The recycling yield is extracted as the slope of the linear fits.

Recycling yield from panel (E) plotted versus growth rate. Data shown as mean ± SD. Two replicates per condition.

Graphical synopsis of the assay to measure the maintenance rate. At one point during starvation, a sample (1) extracted from a starvation culture, and split into several tubes. (2) Different concentrations of glycerol are added to each tube, small enough to support survival, but not growth and (3) viability are measured.

Example experiment from a starved culture previously grown at a rate of 0.3 h −1 with a viability of 1.21·10 8 CFU ml −1 after 5 days of starvation. After (1) extraction and (2) addition of 40 μM of glycerol, the decay of viability is delayed (black circles) compared to a control without glycerol (green symbols). Per viable cell, the glycerol addition in this experiment is 0.33 fmol CFU −1 . After an initial period of survival, the culture with added glycerol (black) dies at the same rate as the control (green). The “lag time” fitted to these data is 1 day.

Lag time of the experiments of panel (B) for different glycerol concentrations. Lag increases linearly with glycerol concentration, and maintenance rate is extracted as the inverse of the slope of the linear fits.

Maintenance rate values extracted from panel (I) plotted versus growth rate. Data shown as mean ± SD. Two replicates per condition.

Consistency check of the equation in panel (A). Fold changes in maintenance rate, FC(β), divided by the fold changes in the recycling yield, FC(α), plotted versus the fold changes in death rate, FC(γ). All fold changes are relative to wild type in batch, growing at 0.7 h −1 . The dashed line shows the unity line FC(γ) = FC(β)/FC(α).

Figure EV1. Survival kinetics after different growth…

Figure EV1. Survival kinetics after different growth conditions

Wild‐type Escherichia coli K‐12 are starved after…

Figure 3. Normalization of maintenance rate and…

Figure 3. Normalization of maintenance rate and recycling yield with cell volume of Escherichia coli

Cell size during starvation. Length and width of the cells are measured with phase‐contrast microscopy, and the volume is computed considering cell shape as a cylinder with two semi‐spheres, as described in the graphical synopsis at the top (see also Table EV3 and Methods). Each measurement is an average of 200 cells. (A) Measured length and width of wild‐type cells starved in batch cultures and previously grown in the chemostat at different steady‐state growth rates and of GlpK22 cells starved and previously grown in batch culture at μ = 0.9 h −1 (see upper color legend). Note that, as shown in Schink și colab (2019), cell widths do not change from steady‐state growth to starvation, while lengths decrease. Both length and width increase exponentially with growth rate. (B) Starvation volume of the cells described in panel (A), computed as explained in the graphical synopsis (see also Methods). In agreement with literature (Schaechter și colab, 1958), it increases exponentially with growth rate (black line).

Recycling yield and maintenance rate per cell volume. (C) Recycling yields and (D) maintenance rate measured as described in Fig 2 are normalized per cell volume and plotted versus the previous growth rate of the cultures they refer to (see color legend at the top and Table EV3). The normalized yield is constant within the uncertainty. Maintenance rate increases significantly with a slope of (0.99 ± 0.55) h, matching the increase in the death rate, (1.1 ± 0.4) h, shown in Fig 2B. Solid black lines show linear fits on log‐transformed data, using weighted least square fits.

Figure 4. Influence of RpoS knock‐out on…

Figure 4. Influence of RpoS knock‐out on the death rate dependence

Figure 5. Trade‐off between growth and death…

Figure 5. Trade‐off between growth and death in a fluctuating environment

A minimal ecological scenario…

A minimal ecological scenario of alternating periods of feast and famine is used to study overall fitness of different strategies. Periods of famine and feast can vary between scenarios. Based on the observed relation between growth and death (Figs 1 and 2), we assume that bacteria cannot independently choose growth and death rate, but are forced to trade‐off growth against death according to the exponential relation γ(μ) = 0.21 day −1 exp (1.0 hμ).

The optimal growth rate, i.e., the one that maximizes fitness over a cycle of famine and feast, depends on the ratio of feast and famine periods. For long periods of feast interrupted by short periods of famine, the optimal strategy is to grow fast. For long periods of starvation intermitted by short periods of growth, the optimal strategy is long survival and slow growth. For the scenario of panels (A, B), T/T + = 48, the optimum is μ = 0.86 h −1 and γ = 0.5 day −1 , see dashed line.

Figure 6. Adaptability during entry to stationary…

Figure 6. Adaptability during entry to stationary phase

Mathematical modeling of death rate changes as…

Mathematical modeling of death rate changes as bacteria adapt during entry to stationary phase, see Methods for details. The key assumption is that changes in maintenance rate β are due to changes in the proteome. To understand adaption, we thus need to understand how much bacteria can remodel their proteome when nutrients run out (A – left). We combine our key assumption with the following quantitative laws: (i) Death rate is set by maintenance rate (ii) Proteome sectors depend linearly on growth rate (Hui și colab, 2015), and (iii) Adapt at the same time‐scale during nutrient shifts (Erickson și colab, 2017). Combined, these relations allow us to compute how death rate depends on the proteome adaptation (A – right). We use the flux‐controlled regulation (FCR) model (Erickson și colab), to calculate the relative adaptation ( ϕ X − ϕ X , 0 ) / ϕ X ′ in various scenarios.

Adaptation at the end of growth. When the nutrient concentration decreases, the nutrient uptake rate slows down with a Michaelis–Menten type kinetics (top). Depending on the uptake affinity, bacteria will experience either a sharp or smooth decrease in growth rate (bottom left, bright orange: 10 μM, dark orange: 1 mM). During this slow down, the proteome adapts (bottom center), with lower affinities (dark orange) showing a slight improvement of proteome adaptation, which results in a slightly lower death rate (bottom right).

Adaptation in complex media. A medium supplemented with multiple nutrients (one – red, two – green, ten – blue) leads to a step‐wise decrease in growth rate during nutrient depletion (bottom left). Due to the extended periods of slow growth after exhaustion of primary nutrients, bacteria can adapt their proteome substantially (bottom center) and decrease their death rate (bottom right).