Therapeutic Peptides: New Arsenal Against Drug Resistant Pathogens
Notice bibliographique
Résumé
Our incessant tug-of-war with multidrug resistant pathogenic bacteria has prompted researchers to explore novel methods of designing therapeutics in order to defend ourselves against infectious diseases. Combined advances in whole genome analysis, bioinformatics algorithms, and biochemical techniques have led to the discovery and subsequent characterization of an abundant array of functional small peptides in microorganisms and multicellular organisms. Typically classified as having 10 to 100 amino acids, many of these peptides have been found to have dual activities, executing important defensive and regulatory functions in their hosts. In higher organisms, such as mammals, plants, and fungi, host defense peptides have been shown to have immunomodulatory and antimicrobial properties. In microbes, certain growth-inhibiting peptides have been linked to the regulation of diverse cellular processes. Examples of these processes include quorum sensing, stress response, cell differentiation, biofilm formation, pathogenesis, and multidrug tolerance. In this review, we will present a comprehensive overview of the discovery, characteristics, and functions of host- and bacteria-derived peptides with antimicrobial activities. The advantages and possible shortcomings of using these peptides as antimicrobial agents and targets will also be discussed. We will further examine current efforts in engineering synthetic peptides to be used as therapeutics and/or drug delivery vehicles.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».