MétaCan
Menu
Retour à la cohorte
Enregistrement W3168740714 · doi:10.1111/jam.15182

Proteomic analysis of an <i>Enterococcus faecalis</i> mutant generated against the exposure to silver nanoparticles

2021· article· en· W3168740714 sur OpenAlexaff
Marco Felipe Salas Orozco, Nereyda Niño‐Martínez, Gabriel Alejandro Martínez-Castañón, Fernando Torres Méndez, Gabriela M. Montero-Morán, Aranza Eliana Bendaña‐Piñeiro, Facundo Ruíz, Horacio Bach

Notice bibliographique

RevueJournal of Applied Microbiology · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésEnterococcus faecalisMicrobiologySilver nanoparticleAntimicrobialAntibiotic resistanceMicroorganismBiologyFacultativeChemistryBacteriaAntibioticsNanoparticleStaphylococcus aureusNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Nanoparticles (NPs) have been widely studied as an alternative to antibiotic use due to their antimicrobial properties at lower concentrations. Enterococcus faecalis is a facultative Gram-positive microorganism inhabiting the gastrointestinal tract of humans and animals. It can also be present in other environments such as the oral cavity, water, sewage, soil and food. AIMS: We evaluated whether E. faecalis could develop resistance to silver NPs (AgNPs) after exposure to sublethal concentrations of the NPs. METHODS AND RESULTS: Proteomic analyses revealed that different pathways were activated during the acquired resistance under sublethal concentrations, and selected genes were validated by qPCR. CONCLUSIONS: The results of this study showed that E. faecalis is capable of generating resistance to AgNPs. SIGNIFICANCE AND IMPACT OF THE STUDY: To avoid the generation of resistance against AgNPs, future use of these NPs should be combined with other NPs prepared with different metals to prevent the dissemination of resistant strains.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,352

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,233
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied MicrobiologyMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207