A simple alfalfa seedling infection model for <i>Pseudomonas aeruginosa</i> strains associated with cystic fibrosis shows AlgT (sigma-22) and RhlR contribute to pathogenesis
Notice bibliographique
Résumé
A sensitive plant infection model was developed to identify virulence factors in nontypeable, alginate overproducing (mucoid) Pseudomonas aeruginosa strains isolated from cystic fibrosis (CF) patients with chronic pulmonary disease. Nontypeable strains with defects in lipopolysaccharide O-side chains are common to CF and often exhibit low virulence in animal models of infection. However, 1,000 such bacteria were enough to show disease symptoms in the alfalfa infection. A typical mucoid CF isolate, FRD1, and its isogenic mutants were tested for alfalfa seedling infection. Although defects in the global regulators Vfr, RpoS, PvdS, or LasR had no discernable effect on virulence, a defect in RhlR reduced the infection frequency by >50%. A defect in alginate biosynthesis resulted in plant disease with >3-fold more bacteria per plant, suggesting that alginate overproduction attenuated bacterial growth in planta. FRD1 derivatives lacking AlgT, a sigma factor required for alginate production, were reduced >50% in the frequency of infection. Thus, AlgT apparently regulates factors in FRD1, besides alginate, important for pathogenesis. In contrast, in a non-CF strain, PAO1, an algT mutation did not affect its virulence on alfalfa. Conversely, PAO1 virulence was reduced in a mucA mutant that overproduced alginate. These observations suggested that mucoid conversion in CF may be driven by a selection for organisms with attenuated virulence or growth in the lung, which promotes a chronic infection. These studies also demonstrated that the wounded alfalfa seedling infection model is a useful tool to identify factors contributing to the persistence of P. aeruginosa in CF.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».