Hydrophobic moment drives penetration of bacterial membranes by transmembrane peptides
Notice bibliographique
Résumé
With antimicrobial resistance (AMR) remaining a persistent and growing threat to human health worldwide, membrane-active peptides are gaining traction as an alternative strategy to overcome the issue. Membrane-embedded multi-drug resistant (MDR) efflux pumps are a prime target for membrane-active peptides, as they are a well-established contributor to clinically relevant AMR infections. Here, we describe a series of transmembrane peptides (TMs) to target the oligomerization motif of the AcrB component of the AcrAB-TolC MDR efflux pump from Escherichia coli . These peptides contain an N-terminal acetyl-A-(Sar) 3 (sarcosine; N-methylglycine) tag and a C-terminal lysine tag—a design strategy our lab has utilized to improve the solubility and specificity of targeting for TMs previously. While these peptides have proven useful in preventing AcrB-mediated substrate efflux, the mechanisms by which these peptides associate with and penetrate the bacterial membrane remained unknown. In this study, we have shown peptide hydrophobic moment ( μ H)—the measure of concentrated hydrophobicity on one face of a lipopathic α -helix—drives bacterial membrane permeabilization and depolarization, likely through lateral-phase separation of negatively-charged POPG lipids and the disruption of lipid packing. Our results show peptide μ H is an important consideration when designing membrane-active peptides and may be the determining factor in whether a TM will function in a permeabilizing or non-permeabilizing manner when embedded in the bacterial membrane.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».