Fitness Costs of Antibiotic Resistance Impede the Evolution of Resistance to Other Antibiotics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Antibiotic resistance is a major threat to global health, claiming the lives of millions every year. With a nearly dry antibiotic development pipeline, novel strategies are urgently needed to combat resistant pathogens. One emerging strategy is the use of sequential antibiotic therapy, postulated to reduce the rate at which antibiotic resistance evolves. Here, we use the soft agar gradient evolution (SAGE) system to carry out high-throughput in vitro bacterial evolution against antibiotic pressure. We find that evolution of resistance to the antibiotic chloramphenicol (CHL) severely affects bacterial fitness, slowing the rate at which resistance to the antibiotics nitrofurantoin and streptomycin emerges. In vitro acquisition of compensatory mutations in the CHL-resistant cells markedly improves fitness and nitrofurantoin adaptation rates but fails to restore rates to wild-type levels against streptomycin. Genome sequencing reveals distinct evolutionary paths to resistance in fitness-impaired populations, suggesting resistance trade-offs in favor of mitigation of fitness costs. We show that the speed of bacterial fronts in SAGE plates is a reliable indicator of adaptation rates and evolutionary trajectories to resistance. Identification of antibiotics whose mutational resistance mechanisms confer stable impairments may help clinicians prescribe sequential antibiotic therapies that are less prone to resistance evolution.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle