Rationally Designed Self-Derived Peptides Kill <i>Escherichia coli</i> by Targeting BamA and BamD Essential for Outer Membrane Protein Biogenesis
Notice bibliographique
Résumé
There is an urgent need to develop antibiotics with new mechanisms of action for combating antibiotic-resistant bacteria, particularly against Gram-negative pathogens that severely threaten human health. Here, we introduce the rational design and comprehensive characterization of self-derived antibacterial peptides that specifically target Escherichia coli BamA and BamD, vital components of the β-barrel assembly machine (BAM) for the folding and membrane integration of outer membrane proteins (OMPs) in Gram-negative bacteria. Among the three BamA-targeted peptides, BamA 543–551, which corresponds to an extracellular loop of BamA, exhibits remarkable bactericidal activity against OM-permeabilized E. coli cells. Similarly, among four BamD-targeted peptides, BamD 163–187 corresponding to a BamA-interacting α-helix exhibits potent bactericidal activity. Notably, both BamA 543–551 and BamD 163–187 are able to kill other OM-permeabilized Gram-negative pathogens but not Gram-positive ones, and fusion with a cell membrane-penetrating peptide enabled them to directly kill intact E. coli cells. Further, both of them significantly change the cell membrane integrity of E. coli, induce the accumulation of misfolded OmpF, and reduce the level of folded OmpF. In particular, in vivo photo-cross-linking analysis indicates that BamA 543–551 disrupts the direct interaction between BamA and periplasmic chaperone SurA in living E. coli cells, thus offering insights into their mode of action. Collectively, our findings confirm the potential of BamA and BamD as promising antibiotic targets and suggest that BamA- and BamD-derived peptides can be candidates for antibiotic development.
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) | 0,000 | 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 ».