A Structural Approach to Anti-Virulence: A Discovery Pipeline
Notice bibliographique
Résumé
The anti-virulence strategy is designed to prevent bacterial virulence factors produced by pathogenic bacteria from initiating and sustaining an infection. One family of bacterial virulence factors is the mono-ADP-ribosyltransferase toxins, which are produced by pathogens as tools to compromise the target host cell. These toxins are bacterial enzymes that exploit host cellular NAD+ as the donor substrate to modify an essential macromolecule acceptor target in the host cell. This biochemical reaction modifies the target macromolecule (often protein or DNA) and functions in a binary fashion to turn the target activity on or off by blocking or impairing a critical process or pathway in the host. A structural biology approach to the anti-virulence method to neutralize the cytotoxic effect of these factors requires the search and design of small molecules that bind tightly to the enzyme active site and prevent catalytic function essentially disarming the pathogen. This method requires a high-resolution structure to serve as the model for small molecule inhibitor development, which illuminates the path to drug development. This alternative strategy to antibiotic therapy represents a paradigm shift that may circumvent multi-drug resistance in the offending microbe through anti-virulence therapy. In this report, the rationale for the anti-virulence structural approach will be discussed along with recent efforts to apply this method to treat honey bee diseases using natural products.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».