Untargeted lipidomic analysis to broadly characterize the effects of pathogenic and non-pathogenic staphylococci on mammalian lipids
Notice bibliographique
Résumé
Modification of the host lipidome via secreted enzymes is an integral, but often overlooked aspect of bacterial pathogenesis. In the current era of prevalent antibiotic resistance, knowledge regarding critical host pathogen lipid interactions has the potential for use in developing novel antibacterial agents. While most studies to date on this matter have focused on specific lipids, or select lipid classes, this provides an incomplete picture. Modern methods of untargeted lipidomics have the capacity to overcome these gaps in knowledge and provide a comprehensive understanding of the role of lipid metabolism in the pathogenesis of infections. In an attempt to determine the role of lipid modifying enzymes produced by staphylococci, we exposed bovine heart lipids, a standardized model for the mammalian lipidome, to spent medium from staphylococcal cultures, and analyzed lipid molecular changes by MS/MSALL shotgun lipidomics. We elucidate distinct effects of different staphylococcal isolates, including 4 clinical isolates of the pathogenic species Staphylococcus aureus, a clinical isolate of the normally commensal species S. epidermidis, and the non-pathogenic species S. carnosus. Two highly virulent strains of S. aureus had a more profound effect on mammalian lipids and modified more lipid classes than the other staphylococcal strains. Our studies demonstrate the utility of the applied untargeted lipidomics methodology to profile lipid changes induced by different bacterial secretomes. Finally, we demonstrate the promise of this lipidomics approach in assessing the specificity of bacterial enzymes for mammalian lipid classes. Our data suggests that there may be a correlation between the bacterial expression of lipid-modifying enzymes and virulence, and could facilitate the guided discovery of lipid pathways required for bacterial infections caused by S. aureus and thereby provide insights into the generation of novel antibacterial agents.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».