MétaCan
Menu
Retour à la cohorte
Enregistrement W3113460979 · doi:10.3390/toxins13010016

Development of Anti-Virulence Therapeutics against Mono-ADP-Ribosyltransferase Toxins

2020· review· en· W3113460979 sur OpenAlexafffund
Miguel R. Lugo, A. Rod Merrill

Notice bibliographique

RevueToxins · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAntimicrobial Resistance in Staphylococcus
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVirulenceBiologyPathogenEnzymeBacteriaPathogenic bacteriaMicrobiologyBiochemistryGeneticsGene

Résumé

récupéré en direct d'OpenAlex

as the substrate to modify a critical macromolecule target in the host cell machinery. This post-translational modification of the target macromolecule (usually protein or DNA) acts like a switch to turn the target activity on or off resulting in impairment of a critical process or pathway in the host. One approach to stymie bacterial pathogens is to curtail the toxic action of these factors by designing small molecules that bind tightly to the enzyme active site and prevent catalytic function. The inactivation of these toxins/enzymes is targeted for the site of action within the host cell and small molecule therapeutics can function as anti-virulence agents by disarming the pathogen. This represents an alternative strategy to antibiotic therapy with the potential as a paradigm shift that may circumvent multi-drug resistance in the offending microbe. In this review, work that has been accomplished during the past two decades on this approach to develop anti-virulence compounds against mono-ADP-ribosyltransferase toxins will be 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,342
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueToxinsMême sujetAntimicrobial Resistance in StaphylococcusTravaux en français237 207