MétaCan
Menu
Retour à la cohorte
Enregistrement W2471236952 · doi:10.1128/aac.02365-17

Chemogenomic Profiling of the Fungal Pathogen Candida albicans

2017· article· en· W2471236952 sur OpenAlexafffund
Yaolin Chen, Jaideep Mallick, Alaa Maqnas, Yuan Sun, Baharul I. Choudhury, Pierre Côté, Lan Yan, Tingjunhong Ni, Yan Li, Dazhi Zhang, Roberto Rodríguez-Ortiz, Quanzhen Lv, Yuanying Jiang, Malcolm Whiteway

Notice bibliographique

RevueAntimicrobial Agents and Chemotherapy · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAntifungal resistance and susceptibility
Établissements canadiensConcordia University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAnidulafunginCaspofunginCandida albicansBiologyEchinocandinsAntifungal drugFluconazoleMicrobiologyDrug resistanceCorpus albicansPosaconazoleDrugGeneComputational biologyVoriconazoleGeneticsPharmacologyAntifungal

Résumé

récupéré en direct d'OpenAlex

ABSTRACT There is currently a small number of classes of antifungal drugs, and these drugs are known to target a very limited set of cellular functions. We derived a set of approximately 900 nonessential, transactivator-defective disruption strains from the tetracycline-regulated GRACE collection of strains of the fungal pathogen Candida albicans . This strain set was screened against classic antifungal drugs to identify gene inactivations that conferred either enhanced sensitivity or increased resistance to the compounds. We examined two azoles, fluconazole and posaconazole; two echinocandins, caspofungin and anidulafungin; and a polyene, amphotericin B. Overall, the chemogenomic profiles within drug classes were highly similar, but there was little overlap between classes, suggesting that the different drug classes interacted with discrete networks of genes in C. albicans . We also tested two pyridine amides, designated GPI-LY7 and GPI-C107; these drugs gave very similar profiles that were distinct from those of the echinocandins, azoles, or polyenes, supporting the idea that they target a distinct cellular function. Intriguingly, in cases where these gene sets can be compared to genetic disruptions conferring drug sensitivity in other fungi, we find very little correspondence in genes. Thus, even though the drug targets are the same in the different species, the specific genetic profiles that can lead to drug sensitivity are distinct. This implies that chemogenomic screens of one organism may be poorly predictive of the profiles found in other organisms and that drug sensitivity and resistance profiles can differ significantly among organisms even when the apparent target of the drug is the same.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,278
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAntimicrobial Agents and ChemotherapyMême sujetAntifungal resistance and susceptibilityTravaux en français237 207