De komplexa signalnätverk som bakterier använder för att anpassa sig till sina miljöer har blivit tydligare efter ny forskning.

John Innes Center-forskare använde en studie av den växttillväxtfrämjande bakterien Pseudomonas fluorescens för att utveckla en avancerad analysmetod som, de hoppas, kommer att öka vår förmåga att förstå växt- och människors sjukdomar.

Tills nyligen, undersökningar av bakteriell signalering har tenderat att titta på olika aspekter av genreglering isolerat. Att bygga på dessa individuella tillvägagångssätt, John Innes-teamet använde en rad labb, beräknings- och matematiska tekniker för att integrera data som erhållits från flera olika mikrobiologiska experiment.

Detta tillvägagångssätt har gjort det möjligt för dem att bygga en omfattande "signalkarta" för det bakteriella nyckelproteinet Hfq, som kontrollerar virulens och stressresponser hos många kliniskt och agrikulturellt viktiga arter.

Dr Jacob Malone, projektledaren med anknytning till arbetet förklarade:"Vår teknik tillåter oss att följa varje gen och protein i en bakteriecell, och säg hur den förändras och på vilken nivå förändringen sker, som svar på en given signalingång.

"Vi använder samma datamängder som tidigare studier men vi har utvecklat ett sätt att integrera data med hjälp av matematik och programmering. Om du tänker på de individuella delarna av en film:fotograferingen, soundtracket och manuset; genom att kombinera dem får du en hel film - något större än summan av delarna. Detta är samma princip, bara med genetik."

Teamets resultat, publiceras i Gränser i mikrobiologi (Analysera det komplexa regulatoriska landskapet för Hfq - en integrativ, Multi-Omics tillvägagångssätt, Grenga, L. et al. 2017) lovar att förändra hur vi undersöker bakteriella signalnätverk, och kommer att främja vår förståelse av hur bakterier interagerar med sina miljöer och förmedlar infektioner.

"Folk har tittat på data på mer än en nivå tidigare, men inte på det här djupet." sa Dr Malone. "I slutändan, vi skulle vilja att folk överväger att närma sig data på detta sätt rutinmässigt, ".