MétaCan
Menu
Retour à la cohorte
Enregistrement W2009939017 · doi:10.1021/ja8062327

Bacterial Membranes as Predictors of Antimicrobial Potency

2008· article· en· W2009939017 sur OpenAlexaff
Richard M. Epand, Shahar Rotem, Amram Mor, Bob Berno, Raquel F. Epand

Notice bibliographique

RevueJournal of the American Chemical Society · 2008
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntimicrobial Peptides and Activities
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAntimicrobialChemistryBacteriaMembraneAntibioticsMembrane lipidsToxicityFunction (biology)Antimicrobial peptidesBiochemistryCombinatorial chemistryBiophysicsOrganic chemistryCell biologyBiology

Résumé

récupéré en direct d'OpenAlex

A wide range of chemical structures having antimicrobial activity have been studied in an effort to treat the increasing emergence of bacteria that are resistant to traditional antibiotics. These agents have varying degrees of toxicity against different bacterial species. We demonstrate, using members of a novel class of antimicrobial agents, the oligomers of acyllysine, that one cause for the difference in species selectivity is the ability to induce the clustering of anionic lipids, resulting in their segregation into domains. This phenomenon occurs only in bacterial membranes composed of both anionic and zwitterionic lipids and not with bacteria whose membrane lipids are largely anionic. As a consequence it can be predicted which bacterial species will be most affected by antimicrobial agents that function principally by this mechanism. This finding allows for the design of new antibiotics with selective toxicity against different groups of bacteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations177
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Chemical SocietyMême sujetAntimicrobial Peptides and ActivitiesTravaux en français237 207