Fungal membrane determinants affecting sensitivity to antifungal cyclic lipopeptides from Bacillus spp.
Notice bibliographique
Résumé
Bacillus spp. produce numerous antimicrobial metabolites. Among these metabolites, cyclic lipopeptides (CLP) including fengycins, iturins, and surfactins are known to have varying antifungal activity against phytopathogenic fungi. The differential activities of CLP have been attributed to diverse mechanisms of action on fungal membranes. However, the precise biochemical determinants driving their antifungal modes of action have not been conclusively identified. In this study, three plant pathogenic fungi of varying lipopeptide sensitivities, Alternaria solani, Cladosporium cucumerinum, and Fusarium sambucinum, were studied to determine how their cell membrane lipid compositions may confer sensitivity and/or tolerance to fengycin, iturin, and surfactin. Results indicated that sensitivity to all three lipopeptides correlated with lower ergosterol content and elevated phospholipid fatty acid unsaturation. Fungal sensitivity to surfactin was also notably different than fengycin and iturin, as surfactin was influenced more by lower phosphatidylethanolamine amounts, higher levels of phosphatidylinositol, and less by phospholipid fatty acyl chain length. Results from this study provide insight into the fungal membrane composition of A. solani, F. sambucinum, and C. cucumerinum and the specific membrane characteristics influencing the antifungal effectiveness of fengycin, iturin, and surfactin. Understanding of these determinants should enable more accurate prediction of sensitivity-tolerance outcomes for other fungal species exposed to these important CLP.
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) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».