High-Throughput Microfluidic Method To Study Biofilm Formation and Host-Pathogen Interactions in Pathogenic Escherichia coli
Notice bibliographique
Résumé
Biofilm formation and host-pathogen interactions are frequently studied using multiwell plates; however, these closed systems lack shear force, which is present at several sites in the host, such as the intestinal and urinary tracts. Recently, microfluidic systems that incorporate shear force and very small volumes have been developed to provide cell biology models that resemble in vivo conditions. Therefore, the objective of this study was to determine if the BioFlux 200 microfluidic system could be used to study host-pathogen interactions and biofilm formation by pathogenic Escherichia coli. Strains of various pathotypes were selected to establish the growth conditions for the formation of biofilms in the BioFlux 200 system on abiotic (glass) or biotic (eukaryotic-cell) surfaces. Biofilm formation on glass was observed for the majority of strains when they were grown in M9 medium at 30 °C but not in RPMI medium at 37 °C. In contrast, HRT-18 cell monolayers enhanced binding and, in most cases, biofilm formation by pathogenic E. coli in RPMI medium at 37 °C. As a proof of principle, the biofilm-forming ability of a diffusely adherent E. coli mutant strain lacking AIDA-I, a known mediator of attachment, was assessed in our models. In contrast to the parental strain, which formed a strong biofilm, the mutant formed a thin biofilm on glass or isolated clusters on HRT-18 monolayers. In conclusion, we describe a microfluidic method for high-throughput screening that could be used to identify novel factors involved in E. coli biofilm formation and host-pathogen interactions under shear force.
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 | 0,001 |
| 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 ».