MétaCan
Menu
Retour à la cohorte
Enregistrement W4236150737 · doi:10.1038/s41467-018-05781-6

Discovery of cationic nonribosomal peptides as Gram-negative antibiotics through global genome mining

2018· article· en· W4236150737 sur OpenAlexfundno aff
Yong‐Xin Li, Zheng Zhong, Weipeng Zhang, Pei‐Yuan Qian

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntimicrobial Peptides and Activities
Établissements canadiensnon disponible
Organismes subventionnairesChina Ocean Mineral Resources Research and Development AssociationHong Kong University of Science and TechnologyMcMaster University
Mots-clésAntibioticsPseudomonas aeruginosaNonribosomal peptideColistinMicrobiologyBiologyBacteriaAntibiotic resistanceEscherichia coliGram-negative bacteriaComputational biologyGeneGeneticsBiosynthesis

Résumé

récupéré en direct d'OpenAlex

The worldwide prevalence of infections caused by antibiotic-resistant Gram-negative bacteria poses a serious threat to public health due to the limited therapeutic alternatives. Cationic peptides represent a large family of antibiotics and have attracted interest due to their diverse chemical structures and potential for combating drug-resistant Gram-negative pathogens. Here, we analyze 7395 bacterial genomes to investigate their capacity for biosynthesis of cationic nonribosomal peptides with activity against Gram-negative bacteria. Applying this approach, we identify two novel compounds (brevicidine and laterocidine) showing bactericidal activities against antibiotic-resistant Gram-negative pathogens, such as Pseudomonas aeruginosa and colistin-resistant Escherichia coli, and an apparently low risk of resistance. The two peptides show efficacy against E. coli in a mouse thigh infection model. These findings may contribute to the discovery and development of Gram-negative antibiotics.

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)0,000
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 enseignants0,275
Score d'incertitude au seuil0,649

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,298
Écart entre enseignants0,280 · 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

Citations135
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAntimicrobial Peptides and ActivitiesTravaux en français237 207