MétaCan
Menu
Retour à la cohorte
Enregistrement W2169466465 · doi:10.1111/j.1462-2920.2012.02840.x

Metabolic adaptations of <i>Pseudomonas aeruginosa</i> during cystic fibrosis chronic lung infections

2012· article· en· W2169466465 sur OpenAlexaff
Volker Behrends, Ben Ryall, James E. A. Zlosnik, David P. Speert, Jacob G. Bundy, Huw D. Williams

Notice bibliographique

RevueEnvironmental Microbiology · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyPseudomonas aeruginosaCystic fibrosisMetabolomicsMetaboliteLungMicrobiologyChronic infectionAdaptation (eye)BacteriaGeneticsBioinformaticsInternal medicineImmune systemBiochemistry

Résumé

récupéré en direct d'OpenAlex

Pseudomonas aeruginosa forms chronic infections in the lungs of cystic fibrosis (CF) patients, and is the leading cause of morbidity and mortality in patients with CF. Understanding how this opportunistic pathogen adapts to the CF lung during chronic infections is important to increase the efficacy of treatment and is likely to increase insight into other long-term infections. Previous studies of P. aeruginosa adaptation and divergence in CF infections have focused on the genetic level, both identifying characteristic mutations and patterns of gene expression. However, these approaches are not sufficient to fully understand the metabolic changes that occur during long-term infection, as metabolic regulation is complex and takes place on different biological levels. We used untargeted metabolic profiling (metabolomics) of cell supernatants (exometabolome analysis, or metabolic footprinting) to compare 179 strains, collected over time periods ranging from 4 to 24 years for the individual patients, representing a series of mostly clonal lineages from 18 individual patients. There was clear evidence of metabolic adaptation to the CF lung environment: acetate production was highly significantly negatively associated with length of infection. For amino acids, which are available to the bacterium in the lung environment, the tendency of isolates to evolve more efficient uptake was related to the biosynthetic cost of producing each metabolite; conversely, for the non-mammalian metabolite trehalose, isolates had significantly reduced tendency to utilize this compound with length of infection. However, as well as adaptation across patients, there was also a striking degree of metabolic variation between the different clonal lineages: in fact, the patient the strains were isolated from was a greater source of variance than length of infection for all metabolites observed. Our data highlight the potential for metabolomic investigation of complex phenotypic adaptations during infection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,212
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations76
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental MicrobiologyMême sujetGut microbiota and healthTravaux en français237 207