Multi-targeting of virulence factors of <i>P. aeruginosa</i> by β-lactam antibiotics to combat antimicrobial resistance
Notice bibliographique
Résumé
Antimicrobial resistance poses a significant challenge to public health, especially in developing countries, due to a substantial rise in bacterial resistance. This situation has become so concerning that we are now at risk of losing the effectiveness of antibiotics altogether. Recent research has firmly established that bacteria engage in a process called quorum sensing (QS). QS regulates various functions, including nutrient scavenging, immune response suppression, increased virulence, biofilm formation and mobility. Pseudomonas aeruginosa, an opportunistic bacterial pathogen, plays a significant role in various medical conditions such as chronic wounds, corneal infections, burn wounds and cystic fibrosis. While antibiotics are effective in killing bacteria, only a few antibiotics, particularly those from the β-lactam group, have been studied for their impact on the quorum sensing of P. aeruginosa. Given the lack of concentrated efforts in this area, we have investigated the role of β-lactam antibiotics on various potential targets of P. aeruginosa. Based on their toxicological profiles and the average binding energy obtained through molecular docking, azlocillin and moxalactam have emerged as lead antibiotics. The binding energy for the docking of azlocillin and moxalactam with LasA was determined to be −8.2 and −8.6 kcal/mol, respectively. Molecular simulation analysis has confirmed the stable interaction of both these ligands with all three target proteins (LasI, LasA and PqsR) under physiological conditions. The results of this research underscore the effectiveness of azlocillin and moxalactam. These two antibiotics may be repurposed to target the quorum sensing of P. aeruginosa.Communicated by Ramaswamy H. Sarma
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 | 0,000 | 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) | 0,000 | 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 ».