An Overview of Biological and Computational Methods for Designing Mechanism-Informed Anti-biofilm Agents
Notice bibliographique
Résumé
Bacterial biofilms are complex and highly antibiotic-resistant aggregates of microbes that form on surfaces in the environment and body including medical devices. They are key contributors to the growing antibiotic resistance crisis and account for two-thirds of all infections. Thus, there is a critical need to develop anti-biofilm specific therapeutics. Here we discuss mechanisms of biofilm formation, current anti-biofilm agents, and strategies for developing, discovering, and testing new anti-biofilm agents. Biofilm formation involves many factors and is broadly regulated by the stringent response, quorum sensing, and c-di-GMP signaling, processes that have been targeted by anti-biofilm agents. Developing new anti-biofilm agents requires a comprehensive systems-level understanding of these mechanisms, as well as the discovery of new mechanisms. This can be accomplished through omics approaches such as transcriptomics, metabolomics, and proteomics, which can also be integrated to better understand biofilm biology. Guided by mechanistic understanding, in silico techniques such as virtual screening and machine learning can discover small molecules that can inhibit key biofilm regulators. To increase the likelihood that these candidate agents selected from in silico approaches are efficacious in humans, they must be tested in biologically relevant biofilm models. We discuss the benefits and drawbacks of in vitro and in vivo biofilm models and highlight organoids as a new biofilm model. This review offers a comprehensive guide of current and future biological and computational approaches of anti-biofilm therapeutic discovery for investigators to utilize to combat the antibiotic resistance crisis.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».