Information

4.3.2: Metaboliska livsstilar - Biologi

4.3.2: Metaboliska livsstilar - Biologi


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.

Organismer kan identifieras utifrån vilken kolkälla de använder för ämnesomsättningen samt deras energikälla. Organismer som omvandlar oorganisk koldioxid (CO2) till organiska kolföreningar är autotrofas. Omvänt, heterotrofs förlita sig på mer komplexa organiska kolföreningar som näringsämnen; dessa tillhandahålls dem initialt av autotrofer. Många organismer, allt från människor till många prokaryoter, inklusive de väl studerade Escherichia coli, är heterotrofa. Alla patogener är heterotrofa eftersom deras kolkälla är deras värd.

Organismer kan också identifieras genom den energikälla de använder. All energi härrör från överföring av elektroner, men källan till elektroner skiljer sig åt mellan olika typer av organismer. Prefixen foto- (”ljus”) och kemo- (”kemisk”) hänvisar till de energikällor som olika organismer använder. De som får sin energi för elektronöverföring från ljus är fototrofas, medan kemotrofs få energi för elektronöverföring genom att bryta kemiska bindningar. Det finns två typer av kemotrofer: organotrofers och litotrofs. Organotrofer, inklusive människor, svampar och många prokaryoter, är kemotrofer som får energi från organiska föreningar. Litotrofer ("lito" betyder "sten") är kemotrofer som får energi från oorganiska föreningar, inklusive svavelväte (H)2S) och reducerat järn. Litotrofi är unik för den mikrobiella världen.

De strategier som används för att få både kol och energi kan kombineras för klassificering av organismer efter näringstyp. De flesta organismer är kemoheterotrofer eftersom de använder organiska molekyler som både elektron- och kolkällor. Tabell 5.1.15.1.1 sammanfattar denna och de andra klassificeringarna.

Tabell 5.1.15.1.1: Klassificeringar av organismer efter energi- och kolkälla
KlassificeringarEnergikällaKolkällaExempel
KemotroferKemoautotroferKemiskOorganiskVäte-, svavel-, järn-, kväve- och kolmonoxidoxiderande bakterier
KemoheterotroferKemiskOrganiska föreningarAlla djur, de flesta svampar, protozoer och bakterier
FototroferFotoautotroferLjusOorganiskAlla växter, alger, cyanobakterier och gröna och lila svavelbakterier
FotoheterotroferLjusOrganiska föreningarGröna och lila svavelfria bakterier, heliobakterier
  • Bidragit från OpenStax
  • General Biology på OpenStax CNX

Krymper för att överleva: Bakterier anpassar sig till en livsstil i rörelse

Sommarpicknick och grillning är bara några veckor bort! Hur sugen du än är på att unna dig denna sommar, Escherichia coli Bakterier är ivriga att njuta av den buffé som de är på väg att uppleva i din mage.

Något oväntat kommer dock att inträffa som E coli celler avslutar sin resa genom din matsmältningskanal. Utan förvarning kommer de att finna sig själva simma i din toalettskål och klamra sig fast vid de sista bitarna av näringsämnen som är fästa vid deras kroppar. Hur anpassar sig dessa små organismer för att överleva plötslig svält? Forskare vid Washington University i St Louis undrade.

Nära undersökning av näringsbrist E coli under mikroskopet - en rutinprocess i ett labb som studerar bakteriell cellstorlek - avslöjade celler som såg annorlunda ut och att dessa skillnader är relaterade till deras förmåga att överleva.

"Deras cytoplasma krympte. När den krympte drog sig det inre membranet bort från det yttre membranet och lämnade ett stort utrymme i ena änden av cellen", säger Petra Levin, professor i biologi i konst och vetenskap, vars postdoktor, Corey Westfall, och student, Jesse Kao, gjorde först observationen.

Utrymmet som Levin syftar på, mellan bakteriens inre och yttre membran, kallas periplasman. I samarbete med Kerwyn Casey Huang, professor i bioteknik och i mikrobiologi och immunologi vid Stanford University, och hans postdoktorala forskare, Handuo Shi, fann Levin ett oväntat utvecklingssvar på svält - en som kanske håller i sig E coli vid liv tills de hittar sin nästa buffé.

Verket publiceras denna vecka i Proceedings of the National Academy of Sciences.

Biologerna visade att när E coli celler saknar näringsämnen, blir cytoplasman tätare när dess volym minskar, troligen på grund av vattenförlust. Samtidigt ökar periplasman i volym när det inre membranet drar sig bort från det yttre membranet.

"Även om vi inte vet säkert ännu, tror vi att cellen koncentrerar näringsämnena i cytoplasman så att den kan fortsätta att driva ämnesomsättningen i hög takt," sa Levin. – Det här är kanske en anpassning till E colis ständigt och snabbt föränderliga livsstil, där den vet att varje miljö är tillfällig."

Krympningen är reversibel, fann forskarna. När de väl överförde de svältande bakterierna till ett näringsrikt medium expanderade det inre membranet och cytoplasman. Bakteriecellerna återhämtade sig snabbt från svält, särskilt när E coli fått sin favoritkolkälla, glukos. Och, viktigare, om Tol-Pal-systemet var intakt.

Tol-Pal-systemet är ett kritiskt cellulärt maskineri som består av proteiner som förbinder det yttre membranet med det inre membranet. Men dess funktion har understuderats. När det inre membranet expanderar hjälper Tol-Pal-systemet till att återansluta det med det yttre membranet, spekulerar forskarna. När Tol-Pal-systemet var frånvarande blödde det inre innehållet i cellerna ut.

"Vi spekulerar i att Tol-Pal fungerar som dragkedjan, vilket hjälper det inre membranet att glida in i det yttre membranskiktet under återhämtningen," sa Levin.

Vad händer med transmembranproteinerna, inbäddade i både det inre och yttre membranet, när det inre membranet drar sig bort från det yttre membranet? Går de sönder? Levin och kollegor vet inte ännu och hoppas kunna svara på dessa frågor i framtiden.


Mata dina gener: Hur våra gener reagerar på maten vi äter

Vad ska vi äta? Det finns många svar i media, som alla förlitar sig på deras tolkning av den senaste medicinska litteraturen för att komma med rekommendationer för den hälsosammaste kosten. Men tänk om du kunde svara på den här frågan på molekylär nivå - tänk om du kunde ta reda på hur våra gener svarar på maten vi äter, och vad detta gör med de cellulära processer som gör oss friska - eller inte? Det är precis vad biologer vid Norges teknisk-naturvetenskapliga universitet har gjort.

Om du kunde be dina gener att säga vilken typ av mat som är bäst för din hälsa, skulle de ha ett enkelt svar: en tredjedel protein, en tredjedel fett och en tredjedel kolhydrater. Det är vad färsk genetisk forskning från Norges tekniska universitet (NTNU) visar är det bästa receptet för att begränsa din risk för de flesta livsstilsrelaterade sjukdomar.

Mat påverkar genuttrycket

NTNU-forskarna Ingerid Arbo och Hans-Richard Brattbakk har matat lätt överviktiga personer med olika dieter, och studerat effekten av detta på genuttryck. Genuttryck avser den process där information från en gens DNA-sekvens översätts till ett ämne, som ett protein, som används i en cells struktur eller funktion.

"Vi har funnit att en diet med 65% kolhydrater, vilket ofta är vad en genomsnittlig norrman äter i vissa måltider, gör att ett antal klasser av gener arbetar övertid", säger Berit Johansen, professor i biologi vid NTNU. Hon handleder projektets doktorander och har forskat om genuttryck sedan 1990-talet.

"Detta påverkar inte bara generna som orsakar inflammation i kroppen, vilket var vad vi ursprungligen ville studera, utan också gener förknippade med utveckling av hjärt-kärlsjukdomar, vissa cancerformer, demens och typ 2-diabetes - alla viktiga livsstilsrelaterade sjukdomar, säger hon.

Vanliga kostråd och kronisk sjukdom

Dessa fynd undergräver de flesta av grunderna för dieter du har hört kommer att rädda dig. Kostråd finns i överflöd och det finns en stor variation i hur vetenskapligt motiverat det är. Men det är först nu som forskare tar reda på sambandet mellan kost, matsmältning och effekten på ens hälsa och immunförsvar - så de kan nu säga inte bara vilka typer av livsmedel som är hälsosammast, utan varför.

"Både lågkolhydrat- och högkolhydratkost är fel", säger Johansen. "Men en lågkolhydratkost är närmare rätt kost. En hälsosam kost bör inte bestå av mer än en tredjedel kolhydrater (upp till 40 procent av kalorierna) i varje måltid, annars stimulerar vi våra gener att sätta igång aktiviteten som skapar inflammation i kroppen."

Det här är inte den sortens inflammation som du skulle uppleva som smärta eller sjukdom, utan istället är det som om du kämpar mot ett kroniskt lätt influensaliknande tillstånd. Din hud är något rödare, din kropp lagrar mer vatten, du känner dig varmare och du är inte på topp mentalt. Forskare kallar detta metabolisk inflammation.

En pulverdiet

Johansen och hennes kollegor genomförde två studier. Den första var att bestämma vilken typ av forskningsmetoder de skulle använda för att svara på frågorna de hade. I pilotstudien (28 dagar) åt fem överviktiga män riktig mat, medan i den andra studien åt 32 lätt överviktiga män och kvinnor (främst studenter) specialtillverkad pulvermat.

Deltagarna i den senare studien tilldelades slumpmässigt gå sex dagar på en diet med 65 procent av kalorierna från kolhydrater, med resten av kalorierna från protein (15 procent) och fett (20 procent), sedan en vecka utan diet. Sedan kom de sex dagarna på en diet med hälften av kolhydraterna och dubbelt så mycket protein och fett som i den första dieten. Det gjordes blodprover före och efter varje bantningsperiod.

Mängden mat varje person åt beräknades så att deras vikt skulle förbli stabil och så att lika portioner konsumerades jämnt över sex måltider under dagen.

Forskarna fick hjälp med att utveckla dieter av Fedon Lindberg, en läkare som är specialiserad på internmedicin och som främjar lågglykemiska dieter, Inge Lindseth, en Oslo-dietist som specialiserat sig på diabetes, och Ann-Kristin de Soysa, en dietist som arbetar med fetma. patienter på St. Olavs Hospital i Trondheim.

"Vi ville veta exakt vad försökspersonerna fick i form av både makro- och mikronäringsämnen", säger Johansen, -"En tomat innehåller inte en konsekvent mängd näringsämnen, eller antioxidanter, till exempel. Så se till att vi hade en hantera hälsoeffekterna var vi tvungna att ha en korrekt redovisning av näringsämnen. Det var därför vi valde pulverdieterna för huvudstudien."

Löser kontrollproblemet

Koststudier som jämför olika dieter med olika mängd fett kritiseras ofta med argumentet att det är skillnad i mängden omega-3-fettsyror som orsakar hälsoeffekterna, inte resten av matintaget.

Forskarna åtgärdade detta problem genom att ha samma mängd omega-3 och omega-6 i båda dieterna, även om mängden fett i allmänhet var olika i de dieter som testades. Forskarna undvek också ett annat vanligt problem: den naturliga variationen i genuttryck mellan människor.

"Var och en av våra studiepersoner kunde vara sin egen kontrollperson," säger Johansen. "Varje försöksperson fick gå på båda dieterna, med en veckas paus mellan dieterna, och hälften började med en diet, medan resten började med den andra dieten."

Blodprover utfördes före och efter varje dietperiod. Alla mätningar av förändringar i genuttryck gjordes så att varje individs skillnad i genuttryck jämfördes med den personen ensam. Resultaten sammanställdes sedan.

Johnson säger att studierna resulterade i två viktiga fynd. En är den positiva effekten av många måltider under dagen, och detaljerna om kvaliteten och sammansättningen av komponenter i en optimal kost, inklusive omega-3 och omega-6 fettsyror. Det andra är att en kolhydratrik kost, oavsett om en person äter för mycket eller inte, får konsekvenser för gener som påverkar livsstilssjukdomarna, säger hon.

Ett sätt att mäta genetisk temperatur

Under hela studien undersökte forskare i vilken utsträckning olika gener fungerade normalt eller övertid. Ett samlat mått på resultaten av all denna genetiska aktivitet kallas genuttryck. Det kan nästan betraktas som ett mått på den genetiska temperaturen på kroppens hälsotillstånd.

"Vi pratar om att samla in en enorm mängd information", säger Johansen.

"Och det är inte så att det finns en gen för till exempel inflammation. Så det vi letar efter är om det finns några grupper av gener som arbetar övertid. I den här studien såg vi att en hel grupp gener som är involverade i utvecklingen av inflammatoriska reaktioner i kroppen arbetar övertid som grupp."

Det var inte bara inflammatoriska gener som satte på övertid, som det skulle visa sig. Vissa kluster av gener som stack ut som överaktiva är kopplade till de vanligaste livsstilssjukdomarna.

"Gener som är inblandade i typ 2-diabetes, hjärt-kärlsjukdomar, Alzheimers sjukdom och vissa former av cancer svarar på kosten, och uppregleras, eller aktiveras, av en kolhydratrik kost", säger Johansen.

Johansen är ingen cancerforskare och påstår inte att det är möjligt att eliminera risken för en cancerdiagnos genom att äta. Men hon tycker att det är värt att notera att de gener som vi förknippar med sjukdomsrisk kan påverkas av kosten.

"Vi säger inte att du kan förhindra eller fördröja uppkomsten av Alzheimers om du äter rätt, men det verkar klokt att minska kolhydraterna i vår kost", föreslår hon.

"Vi behöver mer forskning om detta", tillägger Johansen. "Det verkar uppenbart att sammansättningen och mängden av våra dieter kan vara nyckeln till att påverka symtomen på kronisk sjukdom. Det är viktigt att skilja mellan kostens kvalitet och kvantitet, båda har helt klart mycket specifika effekter."

Kroppens kapprustning

Johansen menar att kosten är nyckeln till att kontrollera vår personliga genetiska mottaglighet för sjukdomar. När vi väljer vad vi äter väljer vi om vi ska ge våra gener de vapen som orsakar sjukdomar. Immunförsvaret fungerar som om det är kroppens övervakningsmyndighet och polis. När vi konsumerar för mycket kolhydrater och kroppen triggas att reagera, mobiliserar immunförsvaret sin styrka, som om kroppen skulle invaderas av bakterier eller virus.

"Gener reagerar omedelbart på vad de måste arbeta med. Det är troligt att insulin styr denna kapprustning", säger Johansen. "Men det är inte så enkelt som att reglera blodsockret, som många tror. Nyckeln ligger i insulinets sekundära roll i en rad andra mekanismer. En hälsosam kost handlar om att äta specifika typer av mat så att vi minimerar kroppens behov av att Utsöndringen av insulin är en försvarsmekanism som svar på för mycket glukos i blodet, och oavsett om glukos kommer från socker eller från icke-söta kolhydrater som stärkelse (potatis, vitt bröd, ris, etc.) spelar ingen roll egentligen."

Undvik fettfällan!

Professorn varnar för att fastna i fettfällan. Det är helt enkelt inte bra att skära ut kolhydraterna helt, säger hon. "Fett/proteinfällan är lika dålig som kolhydratfällan. Det handlar om rätt balans, som alltid."

Hon säger att vi också måste se till att äta kolhydrater, proteiner och fetter i fem till sex mindre måltider, inte bara för huvudmåltiden, vid middagen.

"Att äta flera små och medelstora måltider under dagen är viktigt. Hoppa inte över frukosten och hoppa inte över middagen. En tredjedel av varje måltid ska vara kolhydrater, en tredjedel protein och en tredjedel fett. Det är receptet. för att hålla inflammatoriska och andra sjukdomsförstärkande gener i schack", förklarar Johansen.

Förändringen går snabbt

Johansen har dock några uppmuntrande ord för oss som har ätit kolhydratrik kost. "Det tog bara sex dagar att ändra genuttrycket för var och en av de frivilliga", säger hon, "så det är lätt att komma igång. Men om du vill minska risken för livsstilssjukdomar måste denna nya diet vara en permanent förändra."

Johansen betonade att forskarna uppenbarligen inte har alla svar på sambandet mellan kost och mat ännu. Men trenderna i fynden, tillsammans med den senaste vetenskapliga litteraturen, gör det klart att rekommendationen bör vara att människor ändrar sina kostvanor.

Annars kommer allt fler människor att drabbas av kroniska livsstilssjukdomar.

Den nya livsmedelsbalansräkningen

De flesta av oss tycker att det är bra att ha mat som man antingen kan äta eller inte äta, oavsett om det gäller kolhydrater eller fett. Så hur ska vi veta vad vi ska lägga på våra tallrikar?

Måste vi både räkna kalorier och väga vår mat nu?

– Det är klart man kan vara så försiktig, säger Johansen. "Men du kommer en bra bit på väg bara genom att göra några grundläggande val. Om du drar ner på kokta rotfrukter som potatis och morötter, och byter ut det vita brödet med några hela måltidsskivor, som rågbröd, eller bakar ditt eget knäckebröd kommer du att minska mängden dåliga kolhydrater i din kost ganska rejält. Kom dessutom ihåg att äta protein och fett vid varje måltid, inklusive frukost!"

Sallad innehåller också kolhydrater

Johansen förklarar att många av oss inte inser att alla frukter och grönsaker vi äter också räknas som kolhydrater -- och att det inte bara är söta kolhydrater vi ska se upp med.

– Sallad består av kolhydrater, säger Johansen. "Men man måste äta mycket grönt för att få i sig många kalorier. Ångad broccoli är ett utmärkt alternativ till kokt potatis. Frukt är gott, men man måste vara försiktig så att man inte äter stora mängder av de högglykemiska frukterna samtidigt. tid. Variation är viktigt."

Det bästa är att dra ner på potatis, ris och pasta, och att tillåta oss lite av det goda som länge stått i hundkojan i kylen.

"Istället för lätta produkter borde vi äta riktig majonnäs och gräddfil", säger Johansen, "och ha riktig grädde i din sås och äta fet fisk. Som sagt, vi ska ändå komma ihåg att inte äta för mycket mat, varken vid varje måltid eller under dagen. Fett är dubbelt så kaloririkt som kolhydrater och proteiner, så det måste vi ha i åtanke när vi planerar storleken på våra portioner. Fett är också olika. Vi ska inte äta för mycket mättat animaliskt fett, men enkelomättade vegetabiliska fetter och fleromättade marina fetter är bra."

Fountain-of-ungdomsgener

Johansens forskning visar också att vissa gener inte är uppreglerade, utan snarare tvärtom -- de lugnar ner sig snarare än snabbar upp.

"Det var intressant att se minskningen av genetisk aktivitet, men vi var verkligen glada över att se vilka gener som var inblandade. En uppsättning gener är kopplad till hjärt- och kärlsjukdomar. De nedreglerades som svar på en balanserad kost, i motsats till en kolhydratrik kost", säger hon. En annan gen som uttrycktes markant annorlunda av de dieter som testades var en som i den internationella forskningslitteraturen brukar kallas "ungdomsgenen".

"Vi har faktiskt inte snubblat på ungdomens källa här," skrattar Johansen, "men vi bör ta dessa resultat på allvar. Det viktiga för oss är att vi så småningom upptäcker mekanismerna för sjukdomsprogression för många av våra stora livsstilsrelaterade störningar."

Johansens forskning har fått stöd av NTNU och Central Norway Regional Health Authority. Andra nyckelpartner har varit Mette Langaas, statistiker och docent i matematik vid NTNU, Dr Bard Kulseng från Regional Center for Morbid Obesity vid St Olavs Hospital, och Martin Kuiper, professor i systembiologi vid NTNU.


Duke Researcher slår hål på metabolismmyter i ny bok

Herman Pontzer förklarar vart våra kalorier verkligen tar vägen och vad studier av mänsklighetens förflutna kan lära oss om att hålla oss friska idag.

Foto av Elena Georgiou, My City /EEA

Hertigprofessorn Herman Pontzer har ägnat sin karriär åt att räkna kalorier. Inte för att han tittar på sin midja, precis. Men för att, som han ser det, "i livets ekonomi är kalorier valutan." Varje minut, allt som kroppen gör — växer, rör sig, bekämpar infektioner, till och med bara existerande — "allt tar energi", säger Pontzer.

I sin nya bok "Burn" berättar den evolutionära antropologen om de över 10 år han och hans kollegor har tillbringat med att mäta ämnesomsättningen hos människor, allt från ultraidrottare till kontorsarbetare, såväl som hos våra närmaste djursläktingar, och några av de överraskande insikter forskningen har avslöjat på vägen.

Mycket av hans arbete tar honom till Tanzania, där medlemmar av Hadza-stammen fortfarande får sin mat på det sätt som våra förfäder gjorde — genom att jaga och samla. Genom att ge sig ut till fots varje dag för att jaga zebror och antilop eller föda efter bär och knölar, utan vapen eller elektricitet eller tama djur för att lätta på bördan, får Hadza mer fysisk aktivitet varje dag än de flesta västerlänningar får på en vecka.

Så de måste bränna mer kalorier, eller hur? Fel.

Herman Pontzer, docent i evolutionär antropologi vid Duke

Pontzer och hans kollegor har funnit att, trots deras höga aktivitetsnivåer, förbränner Hadza inte mer energi per dag än stillasittande människor i USA och Europa.

Dessa och andra nya fynd förändrar hur vi förstår sambanden mellan energiförbrukning, träning och kost. Till exempel har vi alla fått höra att om vi vill bränna fler kalorier och bekämpa fett måste vi träna för att öka vår ämnesomsättning. Men Pontzer säger att det inte är så enkelt.

"Våra metaboliska motorer skapades inte av miljontals år av evolution för att garantera en strandklar bikinikropp", säger Pontzer. Men snarare, vår ämnesomsättning har varit förberedd "att packa på mer fett än någon annan apa." Dessutom reagerar vår ämnesomsättning på förändringar i träning och kost på ett sätt som omintetgör våra ansträngningar att tappa kilon.

Vad detta betyder, säger Pontzer, är att du kan gå 16 000 steg varje dag som Hadza och du kommer inte att gå ner i vikt. Visst, om du springer ett maraton i morgon förbränner du mer energi än du gjorde idag. Men med tiden reagerar ämnesomsättningen på förändringar i aktivitet för att hålla den totala energi du spenderar i schack.

Pontzers bok är mer än en lek genom Krebs-cykeln. För alla som lider av pandemi-inducerade kval av frustrerad wanderlust, är det också fyllt av äventyr. Han tar med läsarna på en timmeslång vandring för att se en Hadza-man spåra en skadad giraff över savannen, till Ugandas regnskogar för att studera klättrande schimpanser och till foten av Kaukasusbergen för att gräva fram de 1,8 miljoner år gamla kvarlevorna av några av de första människorna som vandrade ut ur Afrika.

Hans humor lyser igenom längs vägen. Även när han vaknat av en kör av 300 pund lejon bara några hundra meter från sitt tält, stannar han för att fundera på om hans egen stank ger honom bort, och vad han kan göra om de kommer för hans "mjuka amerikanska kadaver, den varma trippeln". crème brie av människokött.”

Pontzer pratade via e-post med Duke Today om sin bok:

F: Vad är lektionen som Hadza och andra jägare-samlare lär oss om hur vi hanterar vikten och håller oss friska?

A: Hadza förblir otroligt vältränade och friska under hela livet, till och med i deras äldre åldrar (60-, 70-, till och med 80-talet). De utvecklar inte hjärtsjukdomar, diabetes, fetma eller andra sjukdomar som vi i den industrialiserade världen med största sannolikhet lider av. De har också en otroligt aktiv livsstil och får mer fysisk aktivitet på en vanlig dag än vad de flesta amerikaner får på en vecka.

Mitt arbete med Hadza visade att, överraskande nog, även om de är så fysiskt aktiva, bränner män och kvinnor från Hadza samma antal kalorier varje dag som män och kvinnor i USA och andra industriländer. Istället för att öka antalet förbrända kalorier per dag, förändrade Hadzas fysiska aktivitet sätt de spenderar sina kalorier — mer på aktivitet, mindre på andra, osynliga uppgifter i kroppen.

Takeaway för oss här i den industrialiserade världen är att vi måste vara aktiva för att hålla oss friska, men vi kan inte räkna med att träning ökar vår dagliga kaloriförbränning. Våra kroppar anpassar sig och håller energiförbrukningen inom ett smalt intervall oavsett livsstil. Och den där innebär att vi måste fokusera på kosten och de kalorier vi konsumerar för att klara vår vikt. I slutet av dagen är vår vikt en fråga om kalorier som äts kontra kalorier förbrända — och det är verkligen svårt att ändra kalorierna vi förbränner!

F: Du säger att träning inte spelar någon roll? Vad är poängen om vi inte kan äta den munken?

A: Alla dessa justeringar som våra kroppar gör för att reagera på träning är verkligen viktiga för vår hälsa! När vi bränner fler kalorier på träning, spenderar våra kroppar mindre energi på inflammation, stressreaktivitet (som kortisol) och andra saker som gör oss sjuka.

F: Vilket är det största missförståndet om mänsklig metabolism?

A: Vi får höra — genom fitnesstidningar, dietmodenycker, kaloriräknare online — att energin vi förbränner varje dag är under vår kontroll: om vi tränar mer, kommer vi att bränna fler kalorier och bränna bort fett. Det är inte så enkelt! Din kropp är en smart, dynamisk produkt av evolution, förändring och anpassning till förändringar i vår livsstil.

F: I din bok säger du att vi drivs till magiskt tänkande när det kommer till kalorier. Vad menar du med det?

A: Eftersom vår kropp är så smart och dynamisk, och eftersom människor bara är dåliga på att hålla reda på vad vi äter, är det oerhört svårt att hålla reda på vilka kalorier vi konsumerar och förbränner varje dag. Det, tillsammans med spridningen av modedieter och bli smal-snabbt, har lett till denna idé att "kalorier spelar ingen roll." Det är magiskt tänkande. Varje uns av din kropp — inklusive varje kalori fett du bär på — är mat du konsumerat och inte brände av. Om vi ​​vill gå ner i vikt måste vi äta färre kalorier än vi förbränner. Det handlar verkligen om det.

F: Vissa människor säger att om grottmännen inte åt det, så borde vi inte heller. Vad visar forskning om vilken mat som är "naturlig" för människor att äta?

A: Det finns ingen unik, naturlig mänsklig kost. Jägare-samlare som Hadza äter en varierad blandning av vegetabilisk och animalisk mat som varierar dag till dag, månad till månad och år till år. Det finns ännu mer kost mångfald när vi ser över populationer. Människor är byggda för att trivas med en mängd olika dieter — nästan allt finns på menyn.

Som sagt, de ultrabearbetade livsmedel vi översvämmas av i vår moderna industrialiserade värld är onaturlig. Det finns inga Twinkies att föda i det vilda. Dessa livsmedel är bokstavligen konstruerade för att överkonsumeras, med en blandning av smaker som överväldigar vår hjärnas förmåga att reglera vår aptit. Nu är det fortfarande möjligt att gå ner i vikt på en Twinkie-diet (jag rekommenderar det inte!), om du är mycket strikt om kalorier som äts per dag. Men vi måste vara riktigt försiktiga med hur vi införlivar ultrabearbetade livsmedel i vår dagliga kost, eftersom de är kaloribomber som driver oss att överkonsumera.

F: Om vi ​​kunde resa i tiden, vad skulle våra jägare-samlare förfäder göra om vår industrialiserade kost idag?

A: Vi behöver inte ens föreställa oss — Vi är de jägare-samlare! Biologiskt, genetiskt är vi samma art som vi var för hundra tusen år sedan, när jakt och insamling var det enda viltet i stan. När vi konfronteras med moderna ultrabearbetade livsmedel kämpar vi. De är konstruerade för att vara läckra, och vi tenderar att överkonsumera.

F: Har covid-19-pandemin tagit med dig någon av dessa lärdomar? Vad kan vi göra för att hålla oss aktiva och titta på vad vi äter, även när vi jobbar hemifrån?

Pandemin har varit en tragedi på så många plan — förlusten av liv, de som lider med långsiktiga effekter, de sociala och ekonomiska konsekvenserna. Inverkan på kost och träning har också varit dålig för många av oss. Stressätande är ett verkligt fenomen, och stressen och den känslomässiga belastningen av pandemin — tillsammans med att ha lätt tillgång till mellanmålen i vårt kök — har fått många att gå upp i vikt. Den fysiska aktiviteten tycks ha minskat för många. Det finns inga enkla svar, men vi bör försöka göra en punkt för att vara aktiva varje dag. Och vi kan hjälpa oss själva att fatta bättre beslut om mat genom att hålla ultrabearbetade livsmedel borta från våra hus. Du kan inte plöja igenom en chipspåse om du inte har chips i skåpet.

F: Du har mätt energikostnaderna för aktiviteter som sträcker sig från att ta ett andetag till att göra en Ironman. Vilken är en av de mer extrema eller överraskande kaloriförbränningsaktiviteterna som du har mätt, eller skulle vilja mäta, hos människor eller något annat djur?

A: Tillsammans med kollegor från Japan mätte jag energikostnaden för ett hjärtslag – en knepig bit av metabolisk mätning! Det visar sig att varje hjärtslag förbränner cirka 1/300:e av en kilokalori! Otroligt hur effektiva våra kroppar kan vara.

F: Vad är något folk har frågor om som vi bara inte vet svaret på än? Vad skulle det krävas för att ta reda på det?

A: Just nu är vi glada över att mäta de justeringar som våra kroppar gör när vi ökar vår träning: exakt hur påverkar förbränning av mer energi vid fysisk aktivitet vårt immunförsvar, vårt stresssvar, vårt reproduktionssystem? Det kommer att krävas en långtidsstudie av träning för att se hur dessa system förändras över tiden.

Robin Smith – University Communications

Möt våra forskare

Lär dig mer om mycket begåvade forskare från olika områden och nivåer inom Genentech Research-organisationen. Välj en ruta för att se information om varje forskares utbildning och bakgrund, bästa vetenskapliga artiklar och utmärkelser.

Personalforskare är vår mest framstående grupp av forskare. Dessa personer har gjort betydande bidrag till Genentechs pipeline och har uppnått de högsta nivåerna av vetenskaplig prestation som erkänts av det internationella forskarsamhället.


Material och metoder

RNA-isolering och transkriptomsekvensering

Axeniska kulturer av Rhynchopus humris stam YPF1608 och Sulcionema specki stam YPF1618 genererades nyligen [18]. Hemistasia phaeocysticola stam YPF1303 tillhandahölls av Akinori Yabuki (JAMSTEC, Yokosuka, Japan). En axenisk kultur av Trypanoplasma borreli stam Tt-JH isolerades från en sutare (Tinca tinca) [176] och vänligt tillhandahållet av Hanka Pecková (Institutet för parasitologi). RNA från tre diplonemidarter isolerades med användning av Nucleospin RNA-isoleringskit (Macherey Nagel). Diplonemidernas transkriptomiska bibliotek H. phaeocysticola (Hemistasiidae), R. humris, och S. specki (Diplonemidae) och kinetoplastiden T. borreli (Parabodonida) förbereddes och sekvenserades på Illumina HiSeq 4000-plattformen med användning av standard TruSeq-protokoll, vilket resulterade i

51 miljoner paired-end obearbetade läsningar på 100 nt i längd, respektive.

Clonal cultures of free-living eukaryovorous Prokinetoplatina strains PhM-4 and PhF-6 were isolated from brackish waters of Turkey and freshwaters of Vietnam, respectively. Total RNA was extracted using an RNAqueous-Micro Kit (Invitrogen, Cat. No. AM1931) and converted into cDNA using the Smart-Seq2 protocol [177]. Transcriptome sequencing was performed on the Illumina HiSeq 2500 platform with read lengths of 100 bp using the KAPA stranded RNA-seq kit (Roche) to construct paired-end libraries.

Assembling the collection of transcriptomes and genomes

Transcriptomic reads of H. phaeocysticola, R. humris, S. specki, och T. borreli were subjected to adapter and quality trimming using Trimmomatic v.0.36 [178] with the following settings: maximal mismatch count, 2 palindrome clip threshold, 20 simple clip threshold, 10 minimal quality required to keep a base, 3 window size, 4 required quality, 15 and minimal length of reads to be kept, 75 nt. Transcriptome assemblies were generated using Trinity v.2.2.0 with minimal contig length set to 200 nt, with the “normalize_max_read_cov” option set to 50 for R. humris, and with the other parameters set at the default values [179].

Transcriptomic reads of PhM-4 and PhF-6 were quality trimmed with Trimmomatic-0.32 [178] with a maximum of two mismatches allowed, a sliding window size of 4 and minimum quality of 20, and a minimum length of 35. Trinity version 2.0.6 was used to assemble the dataset, using default values [179]. Transcriptome assembly steps were done in conjunction with an extensive prey sequence decontamination process (below).

The transcriptome libraries of Rhabdomonas costata strain PANT2 (Euglenida) were prepared from 4 μg of total RNA according to the standard TruSeq Stranded mRNA Sample Preparation Guide. Libraries were sequenced on an Illumina MiSeq instrument (Illumina, San Diego, CA, USA) using 150 base-length read chemistry in a paired-end mode. Reads were assembled by Trinity v2.0.6 into 93,852 contigs.

The assembled transcriptomes of Neobodo designis (Kinetoplastea, Neobodonida) and Eutreptiella gymnastica (Euglenida) were downloaded from the Marine Microbial Eukaryote Transcriptome Sequencing Project database (MMETSP) [11]. We used the transcriptome assembly of Euglena gracilis strain Z generated by Ebenezer et al. and that of Azumiobodo hoyamushi generated by Yazaki and colleagues [15, 180]. Redundant transcripts were filtered out from all the transcriptome assemblies using the CD-HIT-EST software v.4.6.7 [181] with the sequence identity threshold of 90%. Prediction of coding regions within transcripts was performed using Transdecoder v.3.0.0 [182] under the default settings, and the resulting files with protein sequences were used for further analyses. Completeness of the transcriptome and genome assemblies was assessed using the BUSCO v.3 software [53] and the “eukaryota_obd9” database containing a set of 303 universal eukaryotic single-copy orthologs.

Reference genome and transcriptome assemblies and sets of annotated proteins were downloaded from publicly available sources listed in Additional file 1: Table S1. For bodonids (i.e., Prokinetoplastina, Neo-, Para-, and Eubodonida), all genomes and transcriptomes publicly available at the time of the manuscript preparation were used. For trypanosomatids, five representative genome sequences were selected, two belonging to distantly related monoxenous (=one host) species (P. confusum och L. pyrrhocoris) and three to dixenous organisms (T. brucei, T. grayi, och L. major), switching between two hosts in their life cycles. Nyligen, T. grayi from crocodiles and P. confusum parasitizing mosquitoes were demonstrated to be slowly evolving trypanosomatids, preserving the highest number of ancestral genes [48]. L. major och L. pyrrhocoris, belonging to the subfamily Leishmaniinae, are characterized by different lifestyles [183]. T. brucei och L. major belong among the most extensively studied trypanosomatids and have high-quality genome assemblies and annotations available. The latter is also true for L. pyrrhocoris [51]

Decontamination of the R. costata, N. designis, and Prokinetoplastina spp. transcriptomes

The culture of R. costata was non-axenic, and accordingly, the presence of transcripts belonging to contaminating species was detected using a BLASTN search against the SILVA database with an E value cut-off of 10 −20 [184]. The best-scoring contaminants represented β- and γ-proteobacterial small-subunit (SSU) rRNA sequences. The following decontamination procedure was applied in order to get rid of the bacterial sequences: (i) a BLASTX search against the NCBI nr database using R. costata transcripts as queries with an E value cut-off of 10 −20 (ii) the BLAST results were sorted according to the bitscore and only 20 best hits were retained for each R. costata query sequence (iii) the best-scoring hits were annotated as “bacterial”, “eukaryotic”, and “other” (iv) transcript sequences were considered to be of bacterial origin and excluded from further analyses if more than 60% of best hits were bacterial according to the results of classification at the previous step. The decontamination procedure described above and prediction of coding regions within the transcripts of non-bacterial origin has produced a dataset of 36,019 protein sequences, with 3679 proteins removed as bacterial contaminants.

A BLASTN search against the SILVA database using N. designis transcripts as queries with an E value cut-off of 10 −20 revealed the presence of SSU rRNA sequences belonging only to a γ-proteobacterium of the genus Alteromonas. Since no other contaminants were identified, we downloaded all available genomes of Alteromonas spp. from the NCBI database and used them as a database for filtering out putative bacterial sequences from the N. designis transcriptome using BLASTN with an E value cut-off of 10 −5 . The contamination level was low, and this procedure resulted in removal of just 22 putative bacterial contigs from the transcriptome assembly.

As PhM-4 and PhF-6 are grown with the bodonids Procryptobia sorokini, och Parabodo caudatus as prey, respectively, we minimized contamination of the PhM-4 and PhF-6 datasets through an extensive bioinformatic decontamination procedure. This includes decontamination steps that took place before and after assembly of the PhM-4 and PhF-6 datasets. Before assembly of PhM-4 and PhF-6, we assembled 2 × 300 bp PE transcriptome reads from monoeukaryotic P. sorokini och P. caudatus prey cultures, along with 100 bp PE HiSeq 2000/2500 datasets derived from previously published datasets [185] in which other species preyed upon either P. sorokini eller P. caudatus (i.e., cultures that were heavily contaminated by the same prey species). RNA-seq reads from PhM-4 and PhF-6 datasets were mapped to the assemblies containing P. sorokini eller P. caudatus contigs, respectively, using Bowtie2 version 2.1.0 [186]. Reads that mapped to the prey assemblies (along with their mates, if only one read mapped) were discarded. The resulting unmapped reads were used to generate crude PhF-6 and PhM-4 transcriptome assemblies. To identify further prey-derived contamination, we used crude PhF-6 and PhM-4 assemblies to query the assembled transcriptomes of either P. caudatus eller P. sorokini via megablast version 2.2.30 [187]. We considered a contig as a putative contaminant if it was ≥ 95% identical to sequences in the prey assemblies over a span of at least 75 bp. In the case of PhF-6, which was more extensively contaminated by prey than PhM-4, we added an additional step of mapping raw Illumina HiSeq2000 and MiSeq reads containing P. caudatus to the PhF-6 assembly contigs with mapped reads were discarded. Potential cross-contamination from species multiplexed on the same HiSeq 2500 run was removed using the decontaminate.sh script from the BBMap package [188], with the options minc = 3, minp = 20, minr = 15, and minl = 350.

Gene family inference and phylogenetic tree construction

Orthologous groups (OGs) containing proteins from 19 species (Additional file 1: Table S1) were inferred using OrthoFinder v.1.1.8 [189] under default settings. The heterolobosean Naegleria gruberi was used as an outgroup. For phylogenetic tree construction, OGs containing only one protein in each species were analyzed (52 OGs in total). Protein sequences of R. costata were additionally compared against the NCBI nr database with a relaxed E value cut-off of 10 −10 in order to exclude any sequences of potential bacterial origin, which were not filtered out as described in the previous section with a more stringent E value cut-off of 10 −20 , but no contaminating sequences were identified. Inferred amino acid sequences of each gene were aligned using the L-INS-i algorithm in MAFFT v.7.310 [190]. The average percent identity within each OG was calculated using the alistat script from the HMMER package v.3.1 [77]. Twenty OGs demonstrating average percent identity within the group of > 50% were used for the phylogenomic analysis. The percent identity threshold was applied since our previous experience with euglenozoan phylogenomics [51, 191] shows that excluding highly divergent sequences improves the resolution of both maximum-likelihood and Bayesian trees. The protein alignments were trimmed using Gblocks v.0.91b with relaxed parameters (-b3 = 8, -b4 = 2, -b5 = h) and then concatenated, producing an alignment containing 6371 characters. A maximum-likelihood tree was inferred using IQ-TREE v.1.5.3 with the LG+F+I+G4 model and 1000 bootstrap replicates [192, 193]. A Bayesian phylogenetic tree was constructed using PhyloBayes-MPI v.1.7b [194] under the GTR-CAT model with four discrete gamma categories. Four independent Markov Chain Monte Carlo chains were run for

8000 cycles, and all chains converged on the topology shown in Fig. 1. The initial 20% of cycles were discarded as a burn-in, and sampling every 5 cycles was used for inference of the final consensus tree visualized using FigTree v.1.4.3 [195].

Analysis of metabolic pathways

For the analysis of metabolic capacities, an automatic assignment of KEGG Orthology (KO) identifiers to the proteins of the species of interest (Additional file 1: Table S1) was conducted using BlastKOALA v.2.1 [55]. The search was performed against a non-redundant pangenomic database of prokaryotes at the genus level and eukaryotes at the family level. KEGG Mapper v.2.8 was used for reconstruction of metabolic pathways and their comparison [196]. An enzyme was considered to be present in a particular group (diplonemids, euglenids, or kinetoplastids) if it was identified in at least two organisms belonging to that group (or in one species in the case of Prokinetoplastina). In certain cases, for verifying the original functional annotations, additional BLAST and/or Hidden Markov model-based (HMM) searches were performed with an E value cut-offs of 10 −20 and 10 −5 , respectively, unless other parameters are specified. The number of metabolic proteins reported for a species is equal to the number of unique KO identifiers falling into the KEGG category “metabolism” assigned to the proteins encoded in the genome/transcriptome of that species. The term “metabolic proteins” is used herein to refer to the proteins belonging to the KEGG category “metabolism.” The analysis of protein sharing was performed using UpSetR package [197]. The unpaired t test was applied when necessary to test statistical significance of the observed differences in average number of unique KEGG identifiers across species groups.

For the comparison of metabolic capabilities of euglenozoans with those of other protists, high-quality genome assemblies of 16 free-living heterotrophic and 17 parasitic/symbiotic organisms were downloaded from the NCBI Genomes database (Additional file 1: Table S2). Assemblies demonstrating BUSCO coverage more than 75% for free-living species and 45% for parasites and symbionts were considered of high quality and analyzed using BlastKOALA v.2.1 as described for euglenozoans. A shared loss of a metabolic protein in kinetoplastids and ciliates was inferred if a protein was absent in both groups, while being present in at least three species of the free-living heterotrophic protists from other groups listed in Additional file 1: Table S2.

Species clustering using the Uniform Manifold Approximation and Projection algorithm

Uniform Manifold Approximation and Projection (UMAP) is a novel general-purpose non-linear algorithm for dimensionality reduction [60]. The UMAP algorithm implemented in the uwot v0.1.3 R package [60] was applied to pairwise distances between 2181-dimensional vectors (presence/absence data for metabolic KO identifiers) for 19 species. First, we tried to find optimal values of key UMAP parameters that are suitable for recovering both local and global structure. The following setting combinations were tested: (1) the Euclidean or Hamming distance metrics, (2) number of nearest neighbors from 2 to 18, and (3) for each number of nearest neighbors, minimal distance between points in the 2D embedding was varied from 0 to 0.9 in 0.1 increments. The Euclidean and Hamming distance metrics yielded similar results, and the latter was selected as more appropriate for binary data. After inspecting all the resulting 2D embeddings, 3 was selected as the optimal number of nearest neighbors and 0 as the optimal minimal distance. Next, we ran 20 iterations of the algorithm with different random seeds generating both 2D and 3D embeddings of the multidimensional data structure. This was done to check whether the clustering remains stable across iterations. Results of 10 iterations are shown for both 2D (Additional file 6: Fig. S5) and 3D embeddings (Additional file 7: Fig. S6). The latter embeddings were visualized using the plot3D R package.

Fatty acid biosynthesis

For the analysis of elongase repertoire, four proteins of T. brucei (TbELO1–4) described by Lee et al. [106] were used as a query in BLASTP search with an E value cut-off of 10 −20 against the euglenozoan protein database. Phylogenetic trees were reconstructed using IQ-TREE with automatic model selection and 1000 bootstrap replicates for two datasets: (i) euglenozoan proteins only and (ii) euglenozoan sequences along with functionally characterized elongases from several other organisms (Additional file 14: File S1 Additional file 15: File S2) [109, 198,199,200,201]. For the identification of fatty acid synthase (FAS) I and II, proteins of Saccharomyces cerevisiae och Homo sapiens were used as queries with an E value cut-off of 10 −10 [202, 203]. FAS I enzyme was considered to be present if at least three functional domains were identified on the same transcript.

Analysis of trypanothione metabolism

Genes encoding the enzymes of the trypanothione biosynthetic pathway were considered to be present in a genome or transcriptome when the following conditions were fulfilled: (i) a protein could be identified by BLAST with an E value cut-off of 10 −20 and/or a corresponding KEGG ID was assigned to a protein and (ii) p-distances between a reference protein and a putative hit calculated using MEGA v.7 did not exceed 0.7 or a different threshold specified in Additional file 13: Tables S41-S51 [204]. Additionally, the presence of a splice leader (SL) sequence was checked in the case of transcriptomic data, requiring a match with a minimal length of 12 nt. When a protein of interest could not be identified among predicted proteins, additional BLAST searches with raw transcriptome/genome sequences as a database were performed using an E value threshold of 10 −10 . For glutathionylspermidine (GspS) and trypanothione synthetases (TryS), as well as trypanothione (TR), glutathione (GR), and thioredoxin (TrxR) reductases, HMM-based searches using the HMMER package v.3.1 [77] were performed in addition to BLAST searches. An HMM model for GspS was generated using the Pfam seed alignment PF03738, and HMM models for other enzymes were obtained based on alignments of annotated sequences from the KEGG database. Two groups of proteins, GspS + TryS and TR represent related proteins, share a certain degree of sequence similarity and could be aligned (Additional file 13: Tables S50 and S51). For the identification of GspS/TryS homologues outside Euglenozoa, TryS of T. brucei was used as a query in a BLASTP search against the NCBI nr database (E value 10 −20 ) and 1000 best hits for two groups, prokaryotes (group I) and other organisms (excluding Euglenozoa group II), were obtained and combined into one file. Then, the sequences were filtered using CD-HIT-EST software v.4.6.7 [181] with 98% protein identity threshold. For the TR/GR/TrxR phylogeny, the corresponding protein sequences of Emiliania huxleyi, Homo sapiens, and trypanosomatids Blechomonas ayalai, Endotrypanum monterogeii, och T. cruzi were used as a reference. Sequences were aligned using Muscle v.3.8.31 with default parameters [205]. The resulting alignments were trimmed using trimAl v.1.4.rev22 with the “-strict” option [206]. Maximum-likelihood trees for both protein groups were build using IQ-TREE v.1.5.3 with 1000 and 100 bootstrap replicates, for reductases and synthases, respectively and the LG+I+G4 model (automatically selected). Bayesian trees were inferred using MrBayes v.3.2.6 with the models of rate heterogeneity across sites chosen based on IQ-TREE results, while models of amino acid substitutions were assessed during the analysis (mixed amino acid model prior). The resulting model was WAG+I+G4 for both synthetases and reductases. The analysis was run for one million generations with sampling every 100th of them and discarding the first 25% of samples as a burn-in.

Identification of the DNA pre-replication complex subunits

Identification of the pre-replication complex (pre-RC) complex subunits was a multi-step procedure. Initially, BLAST searches with the reference sequences listed in Additional file 16: Table S52 as queries and an E value threshold of 10 −5 against databases of annotated transcripts/genomes of the euglenozoans and protists belonging to other groups (Additional file 1: Table S2) were performed. If a target protein could not be identified, an HMM-based method was employed. Pre-computed models for the proteins of interest were downloaded from the Pfam database when available (Additional file 16: Table S52), or a new model was generated based on a protein alignment constructed using Muscle v.3.8.31 [205, 207]. When none or just a few euglenozoan proteins were identified, another round of HMM-based searches was performed. For that purpose, full-length reference sequences present in the seed alignment were downloaded from the Pfam database, and, when possible, high-scoring hits in euglenozoans and reference protists were added to the seed alignment (E value < 1 −20 , preferably only full-length sequences with predicted domains). For HMM model construction, both trimmed and untrimmed alignments were used, and the search results were compared. Alignment trimming was accomplished in trimAl v.1.4.rev22 with the “-gappyout” option [206]. Visual inspection of phylogenetic trees constructed using IQ-TREE with automatic model selection and 1000 fast bootstrap replicates was performed to facilitate annotation of related sequences [192, 193].

Maximum-likelihood and Bayesian trees for the minichromosome maintenance (MCM) complex subunits 2–9 were inferred as described for the TR/GR/TrxR proteins, with the LG+F+I+G4 and WAG+I+G4 models, respectively. Only BLAST hits with p-distances ≤ 0.75 were considered. The trees were rooted using archaeal MCM sequences belonging to Haloferax vulkanii (ADE04992), Methanoculleus sp. MAB1 (CVK32523.1), Nanoarchaeum equitans (NP_963571.1), and Sulfolobus acidocaldarius (WP_011277765.1).

Putative homologues of the winged-helix initiator protein were searched using an HMM model build based on an alignment of 35 archaeal sequences downloaded from the NCBI Protein database.

Analysis of putative lateral gene transfer (LGT) events

For the analysis of putative LGT events, the protein sequences encoded by the genes of interest were used as a query in a BLASTP search against the NCBI nr database (E value 10 −20 ) and 1000 best hits for each, prokaryotes and other organisms (excluding Euglenozoa), were obtained. The resulting sequences were filtered using CD-HIT-EST software v.4.6.7 [181] with 90–98% protein identity threshold (depending on the protein identity levels). Sequences were aligned using Muscle v.3.8.31 with default parameters [205], and the resulting alignment was trimmed with trimAl v.1.4.rev22 [206] and used for phylogenetic analyses. Maximum-likelihood and Bayesian trees were inferred as described for trypanothione biosynthetic enzymes with the automatically selected LG+I+G4 model and 100 standard bootstrap replicates (for maximum-likelihood analysis). The trees were visualized in FigTree v.1.4.3 [195].

Identification of the kinetochore machinery elements

For the identification of putative centromeric histones H3 (cenH3), all available sequences of the canonical histone H3 (caH3) and its variants were downloaded from HistoneDB v.2.0 [208] and used as a BLAST query against transcripts, genomes, and predicted proteins of Euglenozoa with an E value threshold of 10 −5 . A hit was considered as a cenH3 candidate if it satisfied the following criteria: (i) at least one amino acid insertion in the loop 1 of the histone fold domain, (ii) divergent N-terminal tail, (iii) absence of the conserved glutamine residue in the α1 helix of the histone fold domain, and (iv) presence of a divergent histone fold domain [160]. Trypanosomatid-specific histone H3 variant (H3V) sequences were identified based on the presence of all of the following features: (i) a divergent N-terminal tail, (ii) absence of the conserved glutamine residue in the α1 helix of the histone fold domain, and (iii) absence of insertions in the loop 1 of the histone fold domain [209]. Distinguishing between putative caH3 and replication-independent histone variant H3.3, differing by only a few amino acids in opisthokonts [210], was out of scope of the current study, and the corresponding sequences were annotated as caH3/H3.3 (Additional file 9: Table S40).

Pre-computed HMMs for other conventional kinetochore components with the IDs specified in Additional file 16: Table S53 were downloaded from the Pfam database, and several rounds of HMM-based searches were performed as described for the DNA pre-replication complex subunits. Additionally, sequences of conventional kinetochore proteins identified by van Hooff and colleagues [158] in multiple eukaryotic lineages were used for building new HMMs, thus overcoming the bias towards overrepresentation of opisthokont sequences in the Pfam database. Only the most conserved components of the conventional kinetochore machinery were considered in our analyses, including the Ndc80 complex (Ndc80, Nuf2, Spc24, and Spc25 subunits), Knl1, the Mis12 complex (Mis12, Nnf1, Dsn1, and Nsl1), and CenpC.

For the identification of the kinetoplastid kinetochore proteins (KKTs), sequences annotated as KKTs were downloaded from the TriTryp database release 41, combined with the homologues identified in the eubodonid Bodo saltans [38], aligned using Muscle v.3.8.31 with default parameters [205], and used for HMM building and subsequent searches. Hits were annotated as putative KKTs when they met all of the following criteria: (i) HMM hit E value ≤ 10 −5 , (ii) p-distances calculated using MEGA v.7 did not exceed 0.8 or a different threshold specified in Additional file 13: Tables S13-S31 [204], and (iii) hit coordinates extending beyond predicted borders of highly conserved domains known to be present in proteins with unrelated functions. In the case of KKT2, 3, 10, and 19, HMM-based searches returned many hits due to the presence of widespread kinase domains [38, 162], and in order to facilitate annotation process, only two best hits for each species were taken for phylogenetic tree inference in IQ-TREE v.1.5.3 with 1000 fast bootstrap replicates (Additional file 17: File S3 Additional file 18: File S4 Additional file 19: File S5). Distinguishing between KKT10 and KKT19 proved to be a complicated task due to a very high degree of sequence similarity, and therefore, tentative annotation was performed based on the p-distances to the corresponding sequences in B. saltans.

Kinetoplastid kinetochore-interacting proteins (KKIPs) of T. brucei [163] were used as a BLAST query against the TriTryp database release 41 with an E value threshold of 10 −20 . Retrieved sequences were aligned and p-distances were calculated as described above. Hits with p-distances ≤ 0.8 to the homologues in T. brucei were aligned and used for HMM-based searches. The hits were filtered as described for the KKT proteins. For the phosphatase domain-containing KKIP7, only the hits with an E value ≤ 10 −100 and p-distances ≤ 0.65 to the reference trypanosomatid sequences (Additional file 13: Tables S32-S38) were subjected to the phylogenetic analysis using IQ-TREE v.1.5.3 with 1000 fast bootstrap replicates (Additional file 20: File S6).


Basal Metabolic Rate (BMR): Definition, Factors and Significance

Basal metabolic rate is the energy released when the subject is at complete mental and physical rest i.e. in a room with comfortable temperature and humidity, awake and sitting in a reclining position, 10-12 hours after the last meal. It is essentially the minimum energy required to maintain the heart rate, respiration, kidney function etc.

B.M.R. of an average Indian man is 1750-1900 Kcal/day. In terms of oxygen consumption it would amount to about 15 litre/hr. Heavily built persons have higher BMRs, but the BMR per unit body weight is higher in the smaller built individuals ex. although the BMR of a man as given above is higher than that of a boy of 15 kg body weight that spends about 800 Kcal/day for its basal metabolism, the BMR per kg/day of man is about 30 Kcal, while that of the boy is about 53 Kcal/kg/day.

The variable that correlates most with the BMR is the surface area of the body. Thus in case of both boy and man the BMR is around 1000 Kcal/m 2 body surface/day.

In case of human beings body surface area can be calculated by the following formula:

S = 0.007184 x W 0.425 x h 0.725

S = surface area in sq metres

Factors Influencing BMR:

There are many factors that affect the BMR. These include body temperature, age, sex, race, emotional state, climate and circulating levels of hormones like catecholamine’s (epinephrine and norepinephrine) and those secreted by the thyroid gland.

1. Genetics (Race):

Some people are born with faster metabolism and some with slower metabolism. Indians and Chinese seem to have a lower BMR than the Europeans. This may as well be due to dietary differences between these races. Higher BMR exists in individuals living in tropical climates. Ex. Singapore.

Men have a greater muscle mass and a lower body fat percentage. Thus men have a higher basal metabolic rate than women. The BMR of females declines more rapidly between the ages of 5 and 17 than that of males.

BMR reduces with age i.e. it is inversely proportional to age. Children have higher BMR than adults. After 20 years, it drops about 2 per cent, per decade.

The heavier the weight, the higher the BMR, ex. the metabolic rate of obese women is 25 percent higher than that of thin women.

5. Body surface area:

This is a reflection of the height and weight. The greater the body surface area factor, the higher the BMR. Tall, thin people have higher BMRs. When a tall person is compared with a short person of equal weight, then if they both follow a diet calorie-controlled to maintain the weight of the taller person, the shorter person may gain up to 15 pounds in a year.

6. Body fat percentage:

The lower the body fat percentage, the higher the BMR. The lower body fat percentage in the male body is one reason why men generally have a 10-15% higher BMR than women.

Starvation or serious abrupt calorie-reduction can dramatically reduce BMR by up to 30%. Restrictive low-calorie weight loss diets may cause BMR to drop as much as 20%. BMR of strict vegetarians is 11% lower than that of meat eaters.

8. Body temperature/health:

For every increase of 0.5° C in internal temperature of the body, the BMR increases by about 7 percent. The chemical reactions in the body actually occur more quickly at higher temperatures. So a patient with a fever of 42° C (about 4° C above normal) would have an increase of about 50 percent in BMR. An increase in body temperature as a result of fever increases the BMR by 14-15% per degree centigrade which evidently, is due to the increased rate of metabolic reactions of the body.

9. External temperature:

Temperature outside the body also affects basal metabolic rate. Exposure to cold temperature causes an increase in the BMR, so as to create the extra heat needed to maintain the body’s internal temperature. A short exposure to hot temperature has little effect on the body’s metabolism as it is compensated mainly by increased heat loss. But prolonged exposure to heat can raise BMR.

Thyroxine is a key BMR-regulator which speeds up the metabolic activity of the body. The more thyroxine produced, the higher the BMR. If too much thyroxine is produced (thyrotoxicosis) BMR can actually double. If too little thyroxine is produced (myxoedema) BMR may shrink to 30-40 percent of normal rate. Like thyroxine, adrenaline also increases the BMR but to a lesser extent. Anxiety and tension may not show on the face but they do produce an increased tensing of the muscles and release of norepinephrine even though the subject is seemingly quiet. Both these factors tend to increase the metabolic rate.

Physical exercise not only influences body weight by burning calories, it also helps raise the BMR by building extra lean tissue. (Lean tissue is more metabolically demanding than fat tissue.) So more calories are burnt even when sleeping.

The BMR is not changed during pregnancy. The higher value of BMR in late pregnancy is due to the BMR of the foetus.

Significance of BMR:

1. The determination of BMR is the principal guide for diagnosis and treatment of thyroid disorders.

2. If BMR is less than 10% of the normal, it indicates moderate hypothyroidism. In severe hypothyroidism, the BMR may be decreased to 40 to 50 percent below normal.

3. BMR aids to know the total amount of food or calories required to maintain body weight.

4. The BMR is low in starvation, under nutrition, hypothalamic disorders, Addison’s disease and lipoid nephrosis.

5. The BMR is above normal in fever, diabetes insipidus, leukemia and polycythemia.


How accurate is metabolic testing?

In general, metabolic testing via indirect calorimetry is a reliable way to obtain information about your body that you might not otherwise have. But it&rsquos also important to remember that a lot of the testing accuracy comes down to the equipment being used and who&rsquos doing the testing and interpreting the results&mdashmore on that in just a sec.

Be wary of body composition tests that claim to predict your RMR and stick with indirect calorimetry, when possible. &ldquoThere are body composition tests like hand-held dynamometers or scales that try to predict RMR, [but those] are prediction values and some more accurate than others,&rdquo Donoghue explains. &ldquoIndirect calorimetry, when done correctly, has the least amount of error."

A 2017 review of data in the Indian Journal of Endocrinology and Metabolism concluded that while predictive methods of testing are &ldquoquestionable,&rdquo indirect calorimetry is a valuable resource for calculating nutrition needs and managing chronic health conditions.


New research on Alzheimer’s Disease shows ‘lifestyle origin at least in some degree’

Ph.D. student Erin Saito enters data into a computer in the lab of Professor Benjamin Bikman.

Ph.D. student Erin Saito enters data into a computer in the lab of Professor Benjamin Bikman.

For years, research to pin down the underlying cause of Alzheimer’s Disease has been focused on plaque found to be building up in the brain in AD patients. But treatments targeted at breaking down that buildup have been ineffective in restoring cognitive function, suggesting that the buildup may be a side effect of AD and not the cause itself.

A new study from a team of BYU researchers finds novel cellular-level support for an alternate theory that is growing in strength: Alzheimer’s could actually be a result of metabolic dysfunction in the brain. In other words, there is growing evidence that diet and lifestyle are at the heart of Alzheimer’s Disease.

“Alzheimer’s Disease is increasingly being referred to as insulin resistance of the brain or Type 3 Diabetes,” said senior study author Benjamin Bikman, a professor of physiology and developmental biology at BYU. “Our research shows there is likely a lifestyle origin to the disease, at least to some degree.”

For the new study, published in academic journal Alzheimer’s & Dementia , the BYU research team examined RNA sequences in 240 post-mortem Alzheimer’s Disease-impacted brains. They were looking specifically at the gene expression of nervous system support cells during two types of metabolism: glucose metabolism, where carbohydrates are broken down to provide energy, and something called ketolytic metabolism.

Ketolytic metabolism involves the brain creating energy from ketones, molecules made in our body when the hormone insulin is low and we are burning relatively higher amounts of fat. The popular “Keto Diet” is named after the process since that low-carb, high-protein diet lowers insulin levels and causes the body to burn fat instead of carbs and produce ketones.

The researchers found widespread glucose metabolism impairment in those nervous system support cells of the brains of former Alzheimer’s Disease patients, but limited ketolytic metabolism impairment. The finding is significant because the brain is like a hybrid engine, with the ability to get its fuel from glucose or ketones, but in the Alzheimer’s brains studied, there appears to be a fundamental genetic deficit in the brain’s ability to use glucose.

“We’ve turned the hybrid engine of our brains into a mono-fuel system that just fails to thrive,” Bikman said. “And so, the brain, which is progressively becoming deficient in its ability to use glucose, is now crying out for help it’s starving in the midst of plenty. The body is swimming in a sea of glucose, but the brain just can’t use it.

“The inability to use glucose increases the value of ketones. However, because the average person is eating insulin-spiking foods so frequently, there’s never any ketones available to the brain,” Bikman added. “I look at these findings as a problem we’ve created and that we’re making worse.”

Previous research has observed that the brains of people with AD have a quantifiable reduction in the ability to take in and use glucose, but this paper is the first to show it actually happens at the cellular level. It’s a significant contribution to the growing paradigm shift in regards to the scientific view of the causes of Alzheimer’s.

And since ketolytic metabolism seems to keep working fine in people with AD, even when glucose metabolism gives out, the paper concludes that treatments involving ketones may be able to support brain metabolism and slow the cognitive decline associated with the disease.

Study authors, which include fellow principal investigator and BYU professor Justin Miller and BYU professor John Kauwe (also now president of BYU-Hawaii), suggest future research investigate metabolic dysfunction in Alzheimer’s Disease brains should target oligodendrocytes because genes involved in ketolysis and glycolysis are both differentially expressed in that cell type in AD brains.

This study was a collaboration with Washington University School of Medicine in St. Louis, who provided the BYU research team with access to various brain banks, including Mayo Clinic, Mount Sinai, and a brain bank at Washington University.


Protist Life Cycles and Habitats

Protists live in a wide variety of habitats, including most bodies of water, as parasites in both plants and animals, and on dead organisms.

Lärandemål

Describe the habitats and life cycles of various protists

Viktiga takeaways

Nyckelord

  • Slime molds are categorized on the basis of their life cycles into plasmodial or cellular types, both of which end their life cycle in the form of dispersed spores.
  • Plasmodial slime molds form a single-celled, multinucleate mass, whereas cellular slime molds form an aggregated mass of separate amoebas that are able to migrate as a unified whole.
  • Slimes molds feed primarily on bacteria and fungi and contribute to the decomposition of dead plants.

Nyckelbegrepp

  • haploid: of a cell having a single set of unpaired chromosomes
  • sporangia: an enclosure in which spores are formed (also called a fruiting body)
  • plasmodium: a mass of cytoplasm, containing many nuclei, created by the aggregation of amoeboid cells of slime molds during their vegetative phase
  • diploid: of a cell, having a pair of each type of chromosome, one of the pair being derived from the ovum and the other from the spermatozoon

Life Cycle of Slime Molds

Protist life cycles range from simple to extremely elaborate. Certain parasitic protists have complicated life cycles and must infect different host species at different developmental stages to complete their life cycle. Some protists are unicellular in the haploid form and multicellular in the diploid form, which is a strategy also employed by animals. Other protists have multicellular stages in both haploid and diploid forms, a strategy called alternation of generations that is also used by plants.

Plasmodial slime molds

The slime molds are categorized on the basis of their life cycles into plasmodial or cellular types. Plasmodial slime molds are composed of large, multinucleate cells and move along surfaces like an amorphous blob of slime during their feeding stage. The slime mold glides along, lifting and engulfing food particles, especially bacteria. Upon maturation, the plasmodium takes on a net-like appearance with the ability to form fruiting bodies, or sporangia, during times of stress. Meiosis produces haploid spores within the sporangia. Spores disseminate through the air or water to potentially land in more favorable environments. If this occurs, the spores germinate to form amoeboid or flagellate haploid cells that can combine with each other and produce a diploid zygotic slime mold to complete the life cycle.

Plasmodial slime mold life cycle: Haploid spores develop into amoeboid or flagellated forms, which are then fertilized to form a diploid, multinucleate mass called a plasmodium. This plasmodium is net-like and, upon maturation, forms a sporangium on top of a stalk. The sporangium forms haploid spores through meiosis, after which the spores disseminate, germinate, and begin the life cycle anew. The brightly-colored plasmodium in the inset photo is a single-celled, multinucleate mass.

Cellular slime molds

The cellular slime molds function as independent amoeboid cells when nutrients are abundant. When food is depleted, cellular slime molds aggregate into a mass of cells that behaves as a single unit called a slug. Some cells in the slug contribute to a 2–3-millimeter stalk, which dries up and dies in the process. Cells atop the stalk form an asexual fruiting body that contains haploid spores. As with plasmodial slime molds, the spores are disseminated and can germinate if they land in a moist environment. One representative genus of the cellular slime molds is Dictyostelium, which commonly exists in the damp soil of forests.

Cellular slime mold life cycle: Cellular slime molds may engage in two forms of life cycles: as solitary amoebas when nutrients are abundant or as aggregated amoebas (inset photo) when nutrients are scarce. In aggregate form, some individuals contribute to the formation of a stalk, on top of which sits a fruiting body full of spores that disseminate and germinate in the proper moist environment.

Habitats of Various Protists

There are over 100,000 described living species of protists. Nearly all protists exist in some type of aquatic environment, including freshwater and marine environments, damp soil, and even snow. Paramecia are a common example of aquatic protists. Due to their abundance and ease of use as research organisms, they are often subjects of study in classrooms and laboratories. In addition to aquatic protists, several protist species are parasites that infect animals or plants and, therefore, live in their hosts. Amoebas can be human parasites and can cause dysentery while inhabiting the small intestine. Other protist species live on dead organisms or their wastes and contribute to their decay. Approximately 1000 species of slime mold thrive on bacteria and fungi within rotting trees and other plants in forests around the world, contributing to the life cycle of these ecosystems.


Titta på videon: Glykolys (Februari 2023).