Use of a nematode infection model for virulence factor screening and polymicrobial virulence testing
Notice bibliographique
Résumé
Introduction: Cystic Fibrosis (CF) is a debilitating genetic condition characterised by a chronic, polymicrobial biofilm infections. Pseudomonas aeruginosa is a primary pathogen in the CF lung but many other organisms are present . High throughput infection models are useful for the identification of virulence factors in a given pathogen, or for the virulence testing of polymicrobial combinations. Approach: Caenorhabditis elegans is a nematode worm that feeds on bacteria and is commonly used as an infection host. Previously, 2500 strains from a mini-Tn5-lux mutant library were screened in a nematode feeding behaviour assay to identify mutants that acted as preferred food sources. Here we tested our hypothesis that preferred food sources were less virulent. We also tested the virulence of a large panel of bacterial isolates recovered from CF patients, many of which are considered oropharyngeal (OF), non-pathogenic isolates. Results: Many of the preferred food sources had decreased virulence compared to the wild type control in the “slow killing” infection model. Preferred bacterial food sources were not due to nematode attraction or aversion of bacterial secreted products. Many OF isolates were pathogenic to C. elegans, either individually or when in combination with P. aeruginosa. Furthermore, combinations of 2-3 isolates were often more virulent than combinations of 4-6 unique isolates. Conclusions: We developed a worm feeding behaviour and high-throughput killing assay that is amenable to testing large numbers of isolates individually and in combination. The polymicrobial infections suggest that bacteria normally considered non-pathogenic may be virulent when in combination. Future use of the nematode infection model will help examine the polymicrobial nature of many real world infections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».