Application of a simple bioactivity profiling strategy to natural product discovery from endophytes of marine macroalgae
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
The natural products chemistry of marine macroalgal endophytes is relatively unexplored despite these fungi being recognized as a promising source of new bioactive molecules [1]. As redundancy in natural products discovery increases, new techniques are needed to prioritise extracts for fractionation. The use of bioactivity profiling provides an excellent, albeit labour intensive screening approach that facilitates the discovery of antibiotics with novel modes of action or cellular targets [2]. Here we present a simplified method for bioactivity profiling that we have applied to a library of one hundred and forty-one extracts of endophytic fungi isolated from 20 species of marine macroalgae from the Bay of Fundy, Canada. Extracts were screened for antimicrobial activity against a suite of Gram positive and Gram negative bacteria, mycobacteria and fungi. These data were used to compile bioactivity profiles of each extract that were compared to each other and the profiles of known antibiotics representing a range of modes of action. Principle component analysis revealed that 34 extracts exhibited unique profiles within the extract library, and hierarchical cluster analysis indicated six of these extracts possessed profiles different from those of the antibiotics. We are currently subjecting these six extracts to bioassay-guided fractionation to isolate the biologically active constituents. We have therefore demonstrated that a simple, efficient and robust bioactivity profiling technique is effective for prioritising fungal extract libraries. We are confident that this technique will be a valuable tool for identifying natural products with unique antimicrobial modes of action.
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 | 0,000 |
| 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