Feature-Based Molecular Networking Guided Characterization of Clonocoprogen Siderophores with Anti-<i>Pseudomonas aeruginosa</i> Activity in Nematodes through Immune Up-Regulating Effects
Notice bibliographique
Résumé
Antibiotic resistance poses a severe threat to human health, necessitating research into antibiotics with unique mechanisms to combat drug resistance. Natural siderophores and their synthetic derivatives have become a promising resource for the development of anti-infectious agents. In this study, we introduce a new anti-infective agent with a mode of action that enhances host immunity without exerting direct antibacterial activity. We identified immune-activating clonocoprogen siderophores from the fungus Clonostachys rosea isolate CR15020 using an integrated approach, including genome mining, feature-based molecular networking (FBMN) and a nematode screening model. Although these siderophores displayed no inherent antibacterial properties, they significantly improved survival of Caenorhabditis elegans exposed to Pseudomonas aeruginosa, with EC 50 values ranging from 1.85 to 10.86 μM. This protection was achieved through up-regulation of the nematode’s p38-MAPK and DAF/IGF immune pathways, as well as reducing the excretion of pyoverdine by P. aeruginosa . By leveraging immune modulation rather than direct bacterial inhibition, this approach offers a promising alternative to conventional antibiotics, addressing the urgent challenge of antibiotic resistance.
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) | 0,000 | 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 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 ».