Identification of a novel <scp>DNA</scp> repair inhibitor using an <i>in silico</i> driven approach shows effective combinatorial activity with genotoxic agents against multidrug‐resistant <i>Escherichia coli</i>
Notice bibliographique
Résumé
Increasing antimicrobial drug resistance represents a global existential threat. Infection is a particular problem in immunocompromised individuals, such as patients undergoing cancer chemotherapy, due to the targeting of rapidly dividing cells by antineoplastic agents. We recently developed a strategy that targets bacterial nucleotide excision DNA repair (NER) to identify compounds that act as antimicrobial sensitizers specific for patients undergoing cancer chemotherapy. Building on this, we performed a virtual drug screening of a ~120,000 compound library against the key NER protein UvrA. From this, numerous target compounds were identified and of those a candidate compound, Bemcentinib (R428), showed a strong affinity toward UvrA. This NER protein possesses four ATPase sites in its dimeric state, and we found that Bemcentinib could inhibit UvrA's ATPase activity by ~90% and also impair its ability to bind DNA. As a result, Bemcentinib strongly diminishes NER's ability to repair DNA in vitro. To provide a measure of in vivo activity we discovered that the growth of Escherichia coli MG1655 was significantly inhibited when Bemcentinib was combined with the DNA damaging agent 4-NQO, which is analogous to UV. Using the clinically relevant DNA-damaging antineoplastic cisplatin in combination with Bemcentinib against the urological sepsis-causing E. coli strain EC958 caused complete growth inhibition. This study offers a novel approach for the potential development of new compounds for use as adjuvants in antineoplastic therapy.
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) | 0,000 | 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 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 ».