Synergistic Drug Combinations for Tuberculosis Therapy Identified by a Novel High-Throughput Screen
Notice bibliographique
Résumé
Therapeutic options for tuberculosis (TB) are limited and notoriously ineffective despite the wide variety of potent antibiotics available for treating other bacterial infections. We investigated an approach that enables an expansion of TB therapeutic strategies by using synergistic combinations of drugs. To achieve this, we devised a high-throughput synergy screen (HTSS) of chemical libraries having known pharmaceutical properties, including thousands that are clinically approved. Spectinomycin was used to test the concept that clinically available antibiotics with limited efficacy against Mycobacterium tuberculosis might be used for TB treatment when coadministered with a synergistic partner compound used as a sensitizer. Screens using Mycobacterium smegmatis revealed many compounds in our libraries that acted synergistically with spectinomycin. Among them, several families of antimicrobial compounds, including macrolides and azoles, were also synergistic against M. tuberculosis in vitro and in a macrophage model of M. tuberculosis infection. Strikingly, each sensitizer identified for synergy with spectinomycin uniquely enhanced the activities of other clinically used antibiotics, revealing a remarkable number of unexplored synergistic drug combinations. HTSS also revealed a novel activity for bromperidol, a butyrophenone used as an antipsychotic drug, which was discovered to be bactericidal and greatly enhanced the activities of several antibiotics and drug combinations against M. tuberculosis. Our results suggest that many compounds in the currently available pharmacopoeia could be readily mobilized for TB treatment, including disease caused by multi- and extensively drug-resistant strains for which there are no effective therapies.
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 ».