Aggregated Amphiphilic Antimicrobial Peptides Embedded in Bacterial Membranes
Notice bibliographique
Résumé
Molecular dynamics (MD) simulations, stochastic optical reconstruction microscopy (STORM), and neutron reflection (NR) were combined to explore how antimicrobial peptides (AMPs) can be designed to promote the formation of nanoaggregates in bacterial membranes and impose effective bactericidal actions. Changes in the hydrophobicity of the designed AMPs were found to have a strong influence on their bactericidal potency and cytotoxicity. G(IIKK) 3 I-NH 2 (G 3 ) achieved low minimum inhibition concentrations (MICs) and effective dynamic kills against both antibiotic-resistant and -susceptible bacteria. However, a G 3 derivative with weaker hydrophobicity, KI(KKII) 2 I-NH 2 (KI), exhibited considerably lower membrane-lytic activity. In contrast, the more hydrophobic G(ILKK) 3 L-NH 2 (GL) peptide achieved MICs similar to those observed for G 3 but with worsened hemolysis. Both the model membranes studied by Brewster angle microscopy, zeta potential measurements, and NR and the real bacterial membranes examined with direct STORM contained membrane-inserted peptide aggregates upon AMP exposure. These structural features were well supported by MD simulations. By revealing how AMPs self-assemble in microbial membranes, this work provides important insights into AMP mechanistic actions and allows further fine-tuning of antimicrobial potency and cytotoxicity.
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 | 0,000 |
| 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 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 ».