Analysis of Selection Methods to Develop Novel Phage Therapy Cocktails Against Antimicrobial Resistant Clinical Isolates of Bacteria
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) is a major problem globally. The main bacterial organisms associated with urinary tract infection (UTI) associated sepsis are E. coli and Klebsiella along with Enterobacter species. These all have AMR strains known as ESBL (Extended Spectrum Beta-Lactamase), which are featured on the WHO priority pathogens list as “critical” for research. Bacteriophages (phages), as viruses that can infect and kill bacteria, could provide an effective tool to tackle these AMR strains. There is currently no “gold standard” for developing a phage cocktail. Here we describe a novel approach to develop an effective phage cocktail against a set of ESBL-producing E. coli and Klebsiella largely isolated from patients in United Kingdom hospitals. By comparing different measures of phage efficacy, we show which are the most robust, and suggest an efficient screening cascade that could be used to develop phage cocktails to target other AMR bacterial species. A target panel of 38 ESBL-producing clinical strains isolated from urine samples was collated and used to test phage efficacy. After an initial screening of 68 phages, six were identified and tested against these 38 strains to determine their clinical coverage and killing efficiency. To achieve this, we assessed four different methods to assess phage virulence across these bacterial isolates. These were the Direct Spot Test (DST), the Efficiency of Plating (EOP) assay, the planktonic killing assay (PKA) and the biofilm assay. The final ESBL cocktail of six phages could effectively kill 23/38 strains (61%), for Klebsiella 13/19 (68%) and for E. coli 10/19 (53%) based on the PKA data. The ESBL E. coli collection had six isolates from the prevalent UTI-associated ST131 sequence type, five of which were targeted effectively by the final cocktail. Of the four methods used to assess phage virulence, the data suggests that PKAs are as effective as the much more time-consuming EOPs and data for the two assays correlates well. This suggests that planktonic killing is a good proxy to determine which phages should be used in a cocktail. This assay when combined with the virulence index also allows “phage synergy” to inform cocktail design.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 tête enseignante, 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 ».