MétaCan
Menu
Retour à la cohorte
Enregistrement W4319161518 · doi:10.20944/preprints202302.0042.v1

Targeting Matrix Exopolysaccharides to Disrupt <em>Pseudomonas aeruginosa</em> Biofilms in Cystic Fibrosis

2023· preprint· en· W4319161518 sur OpenAlexaff
Jonathan Chung, Shafinaz Eisha, Su‐Bin Park, Amanda Sheffield Morris, Isaac William Martin

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPseudomonas aeruginosaCystic fibrosisBiofilmAntibioticsMicrobiologyExtracellular matrixChronic infectionAntimicrobialBiologyMedicineBacteriaImmunologyInternal medicineImmune systemCell biology

Résumé

récupéré en direct d'OpenAlex

In cystic fibrosis (CF), pulmonary infection with Pseudomonas aeruginosa is a cause of increased morbidity and mortality, especially in patients for whom infection becomes chronic and there is reliance on long-term suppressive therapies. Current antimicrobials, though varied mechanistically and by mode of delivery, are inadequate not only due to eradication failure in many cases, but also because they do not halt the progression of lung function decline over time. One of the reasons for this failure is thought to be the biofilm mode of growth of P. aeruginosa, wherein self-secreted exopolysaccharides (EPSs) provide physical protection against antibiotics and an array of niches with resulting metabolic and phenotypic heterogeneity. Targeting the three EPSs secreted by P. aeruginosa (alginate, Psl and Pel) is currently under investigation as a way of disrupting the biofilm extracellular matrix to potentiate the action of antibiotics. In this review, we look at each EPS as a potential therapeutic target for combatting pulmonary infection with P. aeruginosa in CF, with a particular focus on the current evidence for these emerging therapies and barriers to bringing these therapies into clinic.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,008
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,010

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 Opus0,065
Tête enseignante GPT0,365
Écart entre enseignants0,300 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207