Adapting clinical practice guidelines to local context and assessing barriers to their use
Notice bibliographique
Résumé
Abstract Extensive efforts have been made to understand the phenotypic diversity of lipopolysaccharide (LPS) structures through deletion and complementation experiments. However, this approach likely underestimates the available phenotypic diversity. To better explore LPS diversity, we generate LPS mutants in Escherichia coli C by selecting for resistance to ΦX174, a bacteriophage that relies solely on binding to core LPS to infect its host. An analysis of 31 E. coli C mutants that are resistant to ΦX174 reveals that each mutant carries at least one mutation in genes linked to core LPS biosynthesis or assembly. Based on which genes are mutated, we predict the core LPS structures of each bacterial mutant, and test our predictions by evolving phages to recognize each evolved LPS structure. We find that phages that evolved to infect the same predicted LPS structure were not always able to cross-infect each other’s host, suggesting that core LPS structure diversity is higher than predicted. Similarly, phage genotype-phenotype maps can be constructed using the bacterial LPS mutant classes. For example, we demonstrate that a combination of two phage mutations leads to loss of the ability to infect wildtype E. coli C. Our results show that phages are a useful tool to study LPS structures, and conversely that the study of LPS structures helps to understand phage evolution and biology.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,243 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».