Antimicrobial Peptide Therapeutics for Cystic Fibrosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Greater than 90% of lung infections in cystic fibrosis (CF) patients are caused by Pseudomonas aeruginosa, and the majority of these patients subsequently die from lung damage. Current therapies are either targeted at reducing obstruction, reducing inflammation, or reducing infection. To identify potential therapeutic agents for the CF lung, 150 antimicrobial peptides consisting of three distinct structural classes were screened against mucoid and multidrug-resistant clinical isolates of P. aeruginosa, Stenotrophomonas maltophilia, Achromobacter xylosoxidans, and Staphylococcus aureus. Five peptides that retained potent antimicrobial activities in physiological salt and divalent cation environment were further characterized in vivo using a rat chronic lung infection model. All animals were inoculated intratracheally with 10(4) P. aeruginosa mucoid PAO1 cells in agar beads. Three days following inoculation treatment was initiated. Animals were treated daily for 3 days with 100 microl of peptide solution (1 mg/ml) in 10 mM sodium citrate, which was deposited via either intratracheal instillation or aerosolization. Control animals received daily exposure to vehicle alone. At the end of the treatment the lungs of the animals were removed for quantitative culture. Four peptides, HBCM2, HBCM3, HBCPalpha-2, and HB71, demonstrated significant reduction in Pseudomonas bioburden in the lung of rats. Further in vivo studies provided direct evidence that anti-inflammatory activity was associated with three of these peptides. Therefore, small bioactive peptides have the potential to attack two of the components responsible for the progression of lung damage in the CF disease: infection and inflammation.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle