Systematic analysis of microorganisms’ metabolism for selective targeting
Notice bibliographique
Résumé
Abstract Selective drug targets (i.e., narrow-spectrum antibiotics) can minimize side effects of antibiotic treatments compared to broad-spectrum antibiotics due to their specific targeting of the organisms responsible for the infection. Furthermore, combating an infectious pathogen, especially a drug-resistant organism, is more efficient by attacking multiple targets. Here, we combined synthetic lethality with selective drug targeting to obtain multi-target and organism-specific potential drug candidates by systematically analyzing the genome-scale metabolic models of six different microorganisms. By considering microorganisms as targeted or conserved in one- to six-member groups, we designed 665 individual case studies. For each case, we identified single essential reactions as well as double, triple, and quadruple synthetic lethal reaction sets that are lethal for targeted microorganisms and neutral for conserved ones. As expected, the number of obtained solutions for each case depends on the genomic similarity between the studied microorganisms. Mapping the identified potential drug targets to their corresponding pathways showed the importance of key subsystems such as cell envelope biosynthesis, glycerophospholipid metabolism, membrane lipid metabolism, and the nucleotide salvage pathway. To assist validation and further investigation of our proposed potential drug targets, we introduced two sets of targets that can potentially address a substantial portion of the 665 cases. We expect that the obtained solutions provide helpful insights into designing narrow-spectrum drugs that selectively cause system-wide damage only to the target microorganisms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».