An<i>In Vivo</i>High-Throughput Screening Approach Targeting the Type IV Secretion System Component VirB8 Identified Inhibitors of<i>Brucella abortus</i>2308 Proliferation
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
As bacterial pathogens develop resistance against most currently used antibiotics, novel alternatives for treatment of microbial infectious diseases are urgently needed. Targeting bacterial virulence functions in order to disarm pathogens represents a promising alternative to classical antibiotic therapy. Type IV secretion systems, which are multiprotein complexes in the cell envelope that translocate effectors into host cells, are critical bacterial virulence factors in many pathogens and excellent targets for such "antivirulence" drugs. The VirB8 protein from the mammalian pathogen Brucella was chosen as a specific target, since it is an essential type IV secretion system component, it participates in multiple protein-protein interactions, and it is essential for the assembly of this translocation machinery. The bacterial two-hybrid system was adapted to assay VirB8 interactions, and a high-throughput screen identified specific small-molecule inhibitors. VirB8 interaction inhibitors also reduced the levels of VirB8 and of other VirB proteins, and many of them inhibited virB gene transcription in Brucella abortus 2308, suggesting that targeting of the secretion system has complex regulatory effects in vivo. One compound strongly inhibited the intracellular proliferation of B. abortus 2308 in a J774 macrophage infection model. The results presented here show that in vivo screens with the bacterial two-hybrid assay are suited to the identification of inhibitors of Brucella type IV secretion system function.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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