Structural biology of the invasion arsenal of Gram‐negative bacterial pathogens
Notice bibliographique
Résumé
In the last several years, there has been a tremendous progress in the understanding of host–pathogen interactions and the mechanisms by which bacterial pathogens modulate behavior of the host cell. Pathogens use secretion systems to inject a set of proteins, called effectors, into the cytosol of the host cell. These effectors are secreted in a highly regulated, temporal manner and interact with host proteins to modify a multitude of cellular processes. The number of effectors varies between pathogens from ~ 30 to as many as ~ 350. The functional redundancy of effectors encoded by each pathogen makes it difficult to determine the cellular effects or function of individual effectors, since their individual knockouts frequently produce no easily detectable phenotypes. Structural biology of effector proteins and their interactions with host proteins, in conjunction with cell biology approaches, has provided invaluable information about the cellular function of effectors and underlying molecular mechanisms of their modes of action. Many bacterial effectors are functionally equivalent to host proteins while being structurally divergent from them. Other effector proteins display new, previously unobserved functionalities. Here, we summarize the contribution of the structural characterization of effectors and effector–host protein complexes to our understanding of host subversion mechanisms used by the most commonly investigated Gram‐negative bacterial pathogens. We describe in some detail the enzymatic activities discovered among effector proteins and how they affect various cellular processes.
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) | 0,001 | 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 | 0,001 | 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 ».