Molecular mechanisms governing antifungal drug resistance
Notice bibliographique
Résumé
Abstract Fungal pathogens are a severe public health problem. The leading causative agents of systemic fungal infections include species from the Candida , Cryptococcus , and Aspergillus genera. As opportunistic pathogens, these fungi are generally harmless in healthy hosts; however, they can cause significant morbidity and mortality in immunocompromised patients. Despite the profound impact of pathogenic fungi on global human health, the current antifungal armamentarium is limited to only three major classes of drugs, all of which face complications, including host toxicity, unfavourable pharmacokinetics, or limited spectrum of activity. Further exacerbating this issue is the growing prevalence of antifungal-resistant infections and the emergence of multidrug-resistant pathogens. In this review, we discuss the diverse strategies employed by leading fungal pathogens to evolve antifungal resistance, including drug target alterations, enhanced drug efflux, and induction of cellular stress response pathways. Such mechanisms of resistance occur through diverse genetic alterations, including point mutations, aneuploidy formation, and epigenetic changes given the significant plasticity observed in many fungal genomes. Additionally, we highlight recent literature surrounding the mechanisms governing resistance in emerging multidrug-resistant pathogens including Candida auris and Candida glabrata . Advancing our knowledge of the molecular mechanisms by which fungi adapt to the challenge of antifungal exposure is imperative for designing therapeutic strategies to tackle the emerging threat of antifungal resistance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».