Metastability in bacterial persistence
Citas bibliográficas
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Fecha
Resumen en español
Las bacterias pueden existir en 2 estados diferentes: uno que es susceptible a antibióticos y el otro llamado el estado persistente el cual le permite a la bacteria soportarlos temporalmente. Entender cómo las células cambian entre estados y qué ocasiona esta transición es un primer paso hacia una solución para la recalcitrancia bacteriana. La fracción de bacterias en el estado persistente (alrededor de 1 en millón) y estimados de la duración en ese estado son conocidas de investigaciones previas. Adicionalmente, investigación en el área ha ligado la persistencia con los módulos Toxina Antitoxina. Usando estos resultados experimentales nuestro objetivo era encontrar la arquitectura más simple de módulos TA que pueda exhibir biestabilidad a su vez reproduciendo resultados experimentales anteriores. Primero desarrollamos una versión del algoritmo de Gillespie para simular reacciones estocásticas para un módulo TA. Usando este programa descartamos algunos modelos que no mostraban 2 estados estables. Encontramos que la arquitectura básica para un módulo TA que mostraba biestabilidad tenía que incluir feedback de la toxina en el RNA, feedback en la tasa de crecimiento celular, y ruido extrínseco en la toxina, antitoxina. Una vez este modelo con el mínimo de reacciones y parámetros había sido establecido comenzamos a analizar en detalle un amplio rango de parámetros para las constantes. Empleamos la fracción de población que transicionó al estado persistente como una primera medida de qué tan factible es para un set particular de parámetros ajustar resultados experimentales. Luego obtuvimos el conjunto de parámetros que tenía el comportamiento deseado para analizarlas posteriormente. Volvimos a simular con esos parámetros con más céulas para obtener las distribuciones de tiempo de salida. Nuestros resultados muestran que es posible encontrar un modelo que pueda mostrar metaestabilidad por largos periodos de tiempo y reproducir hasta cierto punto resultados experimentale
Resumen en inglés
Bacteria can exist in two different states: one that is susceptible to antibiotics, and another one called persistent state which temporally allows bacteria to tolerate them. Understanding how cells stochastically change between states and what triggers that transition is a first step towards a solution to bacteria recalcitrance. The fraction of bacteria in the persistent state (roughly one per million) and estimates of the duration of that state are known from previous investigations. Additionally, research in this field has linked persistence to Toxin-Antitoxin modules. Using these experimental results, our objective was to find the simplest architecture of TA modules which can exhibit bistability while reproducing the previous experimental results. First, we developed a version of Gillespie?s algorithm to simulate stochastic reactions for a TA module. Using this program we ruled out some models that didn?t show 2 stable states. We found that the most basic architecture for a TA module to show bistability had to include feedback from the toxin to the RNA, feedback on the cells growth rate, and extrinsic noise on both the toxin and antitoxin. Once this model with the minimum reactions and parameters had been established we started to analyze in detail a wide range of parameters for the relevant constants. We employed the fraction of the population that transitioned to the persistent state as a first measure of how likely a particular set of parameters is to fit experimental results. We then extracted the subset of parameters that had the desired behavior in order to analyze them further. We simulated again those parameters with more cells in order to obtain the exit time distributions. Our results show that it is possible to find a simple model which can show bistability (metastability for long periods of time not mathematically proven) and reproduce up to a point the experimental measurements (i.e. fraction of persisters and time in that state). However, some li