Effect of short-chain fatty acids and pH on aerobic and anaerobic growth of Pseudomonas aeruginosa
Notice bibliographique
Résumé
Background: Pseudomonas aeruginosa (PA) is one of the most common pathogens in patients with cystic fibrosis (CF) lung disease. PA and other anaerobic bacteria produce short-chain fatty acids (SCFAs) as byproducts of anaerobic fermentation. SCFAs are more volatile at low pH values, and reports have shown that CF patient sputum in acidic. Recently, we detected SCFAs in the low millimolar range in the sputum of CF patients. Aim: To determine if SCFAs affect bacterial growth at different pH levels. Methods: The laboratory strain PAO1 and a clinical isolate PA508 were used for experiments with and without the addition of SCFAs (acetate, propionate, butyrate) at a range of concentrations between 3.125-100 mM and pH values from 5.5-7.0 in tryptic soy broth. Optical density at 600 nm was measured every 30 minutes for a 6 hour period, as well as viable colony counts after the period of incubation. Anaerobic/microaerobic conditions were generated by sealing microplates with optically-clear PCR film. Results: Acetate showed a significant inhibition in growth above 50 mM (>77%, p 20%, p<0.05). Propionate had the highest inhibition, followed by butyrate and acetate. Anaerobic conditions resulted in lower growth overall and showed similar trends in growth inhibition. Results were consistent for both PA strains tested. Conclusion: SCFAs increase the growth of laboratory and clinical strains of PA at concentrations found in CF patient sputum, but inhibit growth at high concentrations. SCFAs produced by anaerobic bacteria may provide an indication of increased virulence of PA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».