Genome-scale modeling of <i>Pseudomonas aeruginosa</i> PA14 unveils its broad metabolic capabilities and role of metabolism in drug potentiation
Notice bibliographique
Résumé
Abstract P. aeruginosa is an opportunistic human pathogen that is one of the leading causes of hospital-acquired infections. We have developed an updated genome-scale model (GEM) of Pseudomonas aeruginosa PA14 for systems-study of the pathogen. We used both automated and semi-manual approaches to reconstruct and curate the model. After an extensive literature research, we added organism-specific reactions (e.g., phenazine transport and redox metabolism, cofactor metabolism, carnitine metabolism, oxalate production, etc.) to the model. This effort led to a highly curated, three-compartment, and mass-and-charge balanced BiGG model of PA14 that contains 1509 genes, 1779 metabolic reactions and 1151 unique metabolites. The model ( i SD1509) has the largest genome coverage of P. aeruginosa PA14 to date with 424 more genes than the previous model (iPau1129). It is also the most accurate with prediction accuracies as high as 92.4% (for gene essentiality) and 93.5% (for substrate utilization). The model simulates growth in both aerobic and anaerobic conditions. It predicts the biosynthesis of the virulence factor phenazine as a process for the pathogen to grow in low-oxygen environment. Further, a mechanism for the overproduction of a drug susceptibility biomarker (gluconate) can be elucidated by the principles of optimal growth. Finally, the model also simulates drug activity potentiation and protection by fumarate and glyoxylate, respectively, and provides mechanistic explanations for these processes. Overall, i SD1509 can be utilized to decipher the metabolic mechanisms associated with virulence and antibiotic susceptibility of P. aeruginosa PA14 to aid in the development of effective intervention strategies.
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 | 0,000 |
| 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 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 ».