Growth of Gram-negative uropathogens in human urine under hypoxic conditions produces clinically relevant metabolomic profiles
Notice bibliographique
Résumé
SUMMARY Background Much work on uropathogens is done in rich laboratory media that do not reflect the nutrient availability of urine. Also, the environment of the bladder is microaerobic (∼5 % O 2 ) but routine laboratory work with uropathogens is done under aerobic conditions. Aims To understand the influence of oxygen conditions (aerobic, microaerobic) and physiologically relevant growth substrates (artificial urine, human urine) on the ability of bacteria isolated from catheter-associated urinary tract infections (CAUTIs) to form biofilms, and to begin to define the CAUTI bacterial metabolome. Methods Biofilm assays were conducted in rich lab medium (tryptone soy broth supplemented with glucose), and commercially available artificial and pooled human urine for 29 well-characterized uropathogens representing five different genera of Gram-negative bacteria. Spent media were collected and analysed using 400 MHz 1 H-NMR, to quantify major metabolites produced by uropathogens in artificial urine and human urine. Findings There was a significant decrease in biofilm formation for all uropathogens when grown in physiologically relevant growth substrates. Untargeted metabolomic analyses of artificial and human urine showed the artificial urine used in this study did not recapitulate the complexity of major metabolites present in human urine. Further analyses of spent human urine highlighted significant increases in acetate production by the uropathogens when they were grown under microaerobic compared with aerobic conditions. Conclusions Growth of uropathogenic Enterobacteriaceae under physiologically relevant conditions (i.e. human urine, 5 % O 2 ) generates data more relevant to clinical disease and is an important consideration for future work on bacteria causing urinary tract infections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».