Systematic <i>in vitro</i> optimization of antimicrobial peptides against <i>Escherichia coli</i>
Notice bibliographique
Résumé
Abstract Objectives Antimicrobial resistance is a growing concern and claims over 1 million lives per year. The discovery of new antimicrobial drugs is expensive and often generates low profitability, with very low success rates. One way to combat this is by the improvement of known antimicrobials, such as antimicrobial peptides (AMPs). The aim of this study was to improve the antimicrobial activities of two known AMPs, UyCT3 and indolicidin, with the use of peptide libraries and growth curves. Methods Peptide permutation libraries were synthesized for two AMPs, indolicidin and UyCT3, which included 520 peptides. These peptides were subsequently tested against MG1655-K12, to which subsequent peptide design was performed, then tested against three clinically Gram-negative relevant drug-resistant isolates. Best-performing candidates were subjected to a haemolysis assay for toxicity validation. Results Single amino acid permutations of UyCT3 and indolicidin were sufficient to inhibit growth of MG1655-K12, and subsequent generations of peptide design were able to inhibit growth of clinical isolates at concentrations as low as 5 µM. Our best-performing AMP, UyCT3I5A, W6Y, K10I, F13I, was not seen to be toxic towards sheep RBCs. Conclusions The efficacy of the AMPs improved with the use of our peptide library technology, whereby an AMP was found that inhibited bacterial growth of clinical Gram-negative isolates 4-fold better than its WT counterpart.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».