Detection of <i>Listeria monocytogenes</i> with Short Peptide Fragments from Class IIa Bacteriocins as Recognition Elements
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
We employed a direct peptide-bacteria binding assay to screen peptide fragments for high and specific binding to Listeria monocytogenes. Peptides were screened from a peptide array library synthesized on cellulose membrane. Twenty four peptide fragments (each a 14-mer) were derived from three potent anti-listerial peptides, Leucocin A, Pediocin PA1, and Curvacin A, that belong to class IIa bacteriocins. Fragment Leu10 (GEAFSAGVHRLANG), derived from the C-terminal region of Leucocin A, displayed the highest binding among all of the library fragments toward several pathogenic Gram-positive bacteria, including L. monocytogenes, Enterococcus faecalis, and Staphylococcus aureus. The specific binding of Leu10 to L. monocytogenes was further validated using microcantilever (MCL) experiments. Microcantilevers coated with gold were functionalized with peptides by chemical conjugation using a cysteamine linker to yield a peptide density of ∼4.8×10(-3) μmol/cm2 for different peptide fragments. Leu10 (14-mer) functionalized MCL was able to detect Listeria with same sensitivity as that of Leucocin A (37-mer) functionalized MCL, validating the use of short peptide fragments in bacterial detection platforms. Fragment Leu10 folded into a helical conformation in solution, like that of native Leucocin A, suggesting that both Leu10 and Leucocin A may employ a similar mechanism for binding target bacteria. The results show that peptide-conjugated microcantilevers can function as highly sensitive platforms for Listeria detection and hold potential to be developed as biosensors for pathogenic bacteria.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle