Role of Ferric Reductases in Iron Acquisition and Virulence in the Fungal Pathogen Cryptococcus neoformans
Notice bibliographique
Résumé
Iron acquisition is critical for the ability of the pathogenic yeast Cryptococcus neoformans to cause disease in vertebrate hosts. In particular, iron overload exacerbates cryptococcal disease in an animal model, defects in iron acquisition attenuate virulence, and iron availability influences the expression of major virulence factors. C. neoformans acquires iron by multiple mechanisms, including a ferroxidase-permease high-affinity system, siderophore uptake, and utilization of both heme and transferrin. In this study, we examined the expression of eight candidate ferric reductase genes and their contributions to iron acquisition as well as to ferric and cupric reductase activities. We found that loss of the FRE4 gene resulted in a defect in production of the virulence factor melanin and increased susceptibility to azole antifungal drugs. In addition, the FRE2 gene was important for growth on the iron sources heme and transferrin, which are relevant for proliferation in the host. Fre2 may participate with the ferroxidase Cfo1 of the high-affinity uptake system for growth on heme, because a mutant lacking both genes showed a more pronounced growth defect than the fre2 single mutant. A role for Fre2 in iron acquisition is consistent with the attenuation of virulence observed for the fre2 mutant. This mutant also was defective in accumulation in the brains of infected mice, a phenotype previously observed for mutants with defects in high-affinity iron uptake (e.g., the cfo1 mutant). Overall, this study provides a more detailed view of the iron acquisition components required for C. neoformans to cause cryptococcosis.
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 ».