Using Aspergillus nidulans To Identify Antifungal Drug Resistance Mutations
Notice bibliographique
Résumé
Systemic fungal infections contribute to at least 10% of deaths in hospital settings. Most antifungal drugs target ergosterol (polyenes) or its biosynthetic pathway (azoles and allylamines), or beta-glucan synthesis (echinocandins). Antifungal drugs that target proteins are prone to the emergence of resistant strains. Identification of genes whose mutations lead to targeted resistance can provide new information on those pathways. We used Aspergillus nidulans as a model system to exploit its tractable sexual cycle and calcofluor white as a model antifungal agent to cross-reference our results with other studies. Within 2 weeks from inoculation on sublethal doses of calcofluor white, we isolated 24 A. nidulans adaptive strains from sectoring colonies. Meiotic analysis showed that these strains had single-gene mutations. In each case, the resistance was specific to calcofluor white, since there was no cross-resistance to caspofungin (echinocandin). Mutation sites were identified in two mutants by next-generation sequencing. These were confirmed by reengineering the mutation in a wild-type strain using a gene replacement strategy. One of these mutated genes was related to cell wall synthesis, and the other one was related to drug metabolism. Our strategy has wide application for many fungal species, for antifungal compounds used in agriculture as well as health care, and potentially during protracted drug therapy once drug resistance arises. We suggest that our strategy will be useful for keeping ahead in the drug resistance arms race.
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) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».