MétaCan
Menu
Retour à la cohorte
Enregistrement W4402266206 · doi:10.1371/journal.ppat.1012478

New approaches to tackle a rising problem: Large-scale methods to study antifungal resistance

2024· review· en· W4402266206 sur OpenAlexafffund
Philippe C Després, Rebecca S. Shapiro, Christina A. Cuomo

Notice bibliographique

RevuePLoS Pathogens · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueAntifungal resistance and susceptibility
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesFonds de Recherche du Québec - SantéNational Institutes of HealthCanada Research Chairs
Mots-clésAntifungalResistance (ecology)Scale (ratio)Computational biologyComputer scienceBiologyMicrobiologyGeographyEcologyCartography

Résumé

récupéré en direct d'OpenAlex

Why the urgency?The scarcity of antifungal compounds available to treat infections makes the rise in incidence of both intrinsic and acquired resistance in clinical and field isolates an alarming situation [3].Key to facing this challenge is understanding how resistance to antifungals arises.In some species infecting humans, like Aspergillus fumigatus, resistance can be connected to the use of antifungals in agriculture [4], showing that the issue of resistance exists in a "One Health" context [2].While some of the causal genes are known (e.g., ERG11/CYP51, PDR1, FKS genes, TUB genes), resistance can still arise through a variety of mechanisms: coding sequence or promoter mutations, copy number alterations, aneuploidies or even epigenetic modifications, none of which have been fully cataloged [5].Furthermore, we have yet to uncover the precise mechanisms by which some species are intrinsically more resistant to certain antifungals, like Candida auris [6].This incomplete knowledge has important implications regarding next-generation approaches to tackle fungal pathogens.The switch to molecular diagnostics tools to detect resistance markers could accelerate the use of optimal treatment regimens but requires a deep understanding of the genotype-to-phenotype link [7].As new compounds are being discovered and progress through clinical trials [8], we also have the opportunity to map out evolutionary pathways to resistance and characterize tolerance before these compounds see widespread use, to maximize their efficacy.Finally, understanding the trade-offs in growth rate, stress resistance, or virulence associated with resistance to a particular antifungal could also help uncover vulnerabilities unique to resistant strains, leading to new strategies to bypass

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,209
Tête enseignante GPT0,408
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revuePLoS PathogensMême sujetAntifungal resistance and susceptibilityTravaux en français237 207