Proteomics of Cryptococcus neoformans: From the Lab to the Clinic
Notice bibliographique
Résumé
Fungal pathogens cause an array of diseases by targeting both immunocompromised and immunocompetent hosts. Fungi overcome our current arsenal of antifungals through the emergence and evolution of resistance. In particular, the human fungal pathogen, Cryptococcus neoformans is found ubiquitously within the environment and causes severe disease in immunocompromised individuals around the globe with limited treatment options available. To uncover fundamental knowledge about this fungal pathogen, as well as investigate new detection and treatment strategies, mass spectrometry-based proteomics provides a plethora of tools and applications, as well as bioinformatics platforms. In this review, we highlight proteomics approaches within the laboratory to investigate changes in the cellular proteome, secretome, and extracellular vesicles. We also explore regulation by post-translational modifications and the impact of protein–protein interactions. Further, we present the development and comprehensive assessment of murine models of cryptococcal infection, which provide valuable tools to define the dynamic relationship between the host and pathogen during disease. Finally, we explore recent quantitative proteomics studies that begin to extrapolate the findings from the bench to the clinic for improved methods of fungal detection and monitoring. Such studies support a framework for personalized medical approaches to eradicate diseases caused by C. neoformans.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».