Novel synthetic anti-microbial defensins through confrontational selection and screening of yeast libraries
Notice bibliographique
Résumé
A are frequently used in animal feed to boost its efficacy. However, recent policies in EU and USA have restricted such use of antibiotics and Canada is expected to follow suit. Consequently, the need for novel anti-microbial agents is a most urgent issue. Defensins form a large group of secreted animal, plant or fungal peptides that kill a broad spectrum of microorganisms including food borne pathogens. They have a low probability of developing microbial resistance and are viewed as viable alternatives to antibiotics for both the food and pharmaceutical industries. The industrial development of vertebrate defensins is hindered by concerns of cytotoxicity. In contrast, the known fungal defensins show little side effects in animals and work at doses comparable to these of many antibiotics. We are developing a platform that will use DNA libraries for a huge variety of synthetic defensin-like peptides. We are expressing these libraries in yeast and screen them against model microorganisms. Our aim is to identify novel synthetic anti-microbial peptides that can be used as alternatives to antibiotics. These agents can be improved to incorporate a trypsin-target site to ensure their normal degradation in the stomach and to abolish any side effects on the normal microbiome of the animals. We also aim at the affordable production of such agents by the yeast K. lactis in milk whey. Our progress in these screens will be reported and discussed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».