In Vivo, In Vitro, and In Silico Characterization of Peptoids as Antimicrobial Agents
Notice bibliographique
Résumé
Bacterial resistance to conventional antibiotics is a global threat that has spurred the development of antimicrobial peptides (AMPs) and their mimetics as novel anti-infective agents. While the bioavailability of AMPs is often reduced due to protease activity, the non-natural structure of AMP mimetics renders them robust to proteolytic degradation, thus offering a distinct advantage for their clinical application. We explore the therapeutic potential of N-substituted glycines, or peptoids, as AMP mimics using a multi-faceted approach that includes in silico, in vitro, and in vivo techniques. We report a new QSAR model that we developed based on 27 diverse peptoid sequences, which accurately correlates antimicrobial peptoid structure with antimicrobial activity. We have identified a number of peptoids that have potent, broad-spectrum in vitro activity against multi-drug resistant bacterial strains. Lastly, using a murine model of invasive S. aureus infection, we demonstrate that one of the best candidate peptoids at 4 mg/kg significantly reduces with a two-log order the bacterial counts compared with saline-treated controls. Taken together, our results demonstrate the promising therapeutic potential of peptoids as antimicrobial agents.
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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».