Uropathogenic Escherichia coli in a Diabetic Dog with Recurrent UTIs: Genomic Insights and the Impact of Glucose and Antibiotics on Biofilm Formation
Notice bibliographique
Résumé
Recurrent urinary tract infections (UTIs) pose a significant clinical challenge in both human and veterinary medicine, due to antibiotic-resistant and biofilm-forming bacteria. We hypothesized that high glucose levels in diabetic animals enhance biofilm formation and reduce antibiotic efficacy, promoting infection persistence. This study analyzed Escherichia coli from a diabetic female Labrador Retriever with recurrent UTIs over 18 months, focusing on antimicrobial resistance, biofilm-forming capacity, and genomic characterization. Most isolates (9/11) were resistant to ampicillin and fluoroquinolones. Whole genome sequencing of six selected isolates revealed that they belonged to the multidrug-resistant ST1193 lineage, a globally emerging clone associated with persistent infections. Phylogenetic analysis revealed clonal continuity across six UTI episodes, with two distinct clones identified: one during a coinfection in the second episode and another in the last episode. High-glucose conditions significantly enhanced biofilm production and dramatically reduced antibiotic susceptibility, as evidenced by a marked increase in minimum biofilm inhibitory concentrations (MBICs), which were at least 256-fold higher than the corresponding minimum inhibitory concentration (MIC). Sulfamethoxazole–trimethoprim demonstrated the strongest antibiofilm activity, though this was attenuated in glucose-supplemented environments. This research highlights the clinical relevance of glucosuria in diabetic patients and emphasizes the need for therapeutic strategies targeting biofilm-mediated antibiotic tolerance to improve the management of recurrent UTIs.
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 ».