MétaCan
Menu
Retour à la cohorte
Enregistrement W4404731739 · doi:10.1016/j.mib.2024.102562

Important challenges to finding new leads for new antibiotics

2024· review· en· W4404731739 sur OpenAlexafffund
Maya A. Farha, Megan M. Tu, Eric D. Brown

Notice bibliographique

RevueCurrent Opinion in Microbiology · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésBiologyAntibioticsMicrobiologyComputational biology

Résumé

récupéré en direct d'OpenAlex

Identification of new antibiotics remains a huge challenge. The last antibiotic of new chemical class and mechanism was discovered more than 30 years ago. Advances since have been largely incremental modifications to a limited number of chemical scaffolds. Discovering and developing truly new antibiotics is challenging: the science is complex, and the development process is time consuming and expensive. Herein, we focus on the discovery phase of modern antibacterial research and development. We argue that antibacterial discovery has been challenged by a poor understanding of bacterial permeability, by generic in vitro conventions that ignore the host, and by the inherent complexity of bacterial systems. Together, these factors have colluded to challenge modern, industrial, and reductionist approaches to antibiotic discovery. Nevertheless, advances in our understanding of many of these obstacles, including a new appreciation for the complexity of both host and pathogen biology, bode well for future efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,709
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,409
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

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

Citations38
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in MicrobiologyMême sujetAntibiotic Resistance in BacteriaTravaux en français237 207