Targeting the Pseudomonas aeruginosa Virulence Factor Phospholipase C With Engineered Liposomes
Notice bibliographique
Résumé
Engineered liposomes composed of the naturally occurring lipids sphingomyelin (Sm) and cholesterol (Ch) have been demonstrated to efficiently neutralize toxins secreted by Gram-positive bacteria such as Streptococcus pneumoniae and Staphylococcus aureus. Here, we hypothesized that liposomes are capable of neutralizing cytolytic virulence factors secreted by the Gram-negative pathogen Pseudomonas aeruginosa. We used the highly virulent cystic fibrosis P. aeruginosa Liverpool Epidemic Strain LESB58 and showed that sphingomyelin (Sm) and a combination of sphingomyelin with cholesterol (Ch:Sm; 66 mol/% Ch and 34 mol/% Sm) liposomes reduced lysis of human bronchial and red blood cells upon challenge with the Pseudomonas secretome. Mass spectrometry of liposome-sequestered Pseudomonas proteins identified the virulence-promoting hemolytic phospholipase C (PlcH) as having been neutralized. Pseudomonas aeruginosa supernatants incubated with liposomes demonstrated reduced PlcH activity as assessed by the p-nitrophenylphosphorylcholine (NPPC) assay. Testing the in vivo efficacy of the liposomes in a murine cutaneous abscess model revealed that Sm and Ch:Sm, as single dose treatments, attenuated abscesses by >30%, demonstrating a similar effect to that of a mutant lacking plcH in this infection model. Thus, sphingomyelin-containing liposome therapy offers an interesting approach to treat and reduce virulence of complex infections caused by P. aeruginosa and potentially other Gram-negative pathogens expressing PlcH.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».