Beyond Genes: Non-Canonical Mechanisms Driving Antimicrobial Resistance in Bacteria
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) is traditionally discussed in the context of horizontally acquired resistance genes and point mutations at target loci. However, this gene-centred model fails to account for a large number of clinically important modalities of resistance. There is now substantial evidence implicating bacteria in the ability to escape the effects of antibiotics in a variety of non-canonical ways, which are not considered in traditional diagnostic and surveillance pipelines. Among these factors, we can list those arising from global regulatory networks, phase variability, epigenetic tuning, small RNAs, genome structural variability, and phenotypic states like tolerance and persistence. This review will blend the current knowledge on these alternative pathways of resistance and underscore how they intersect with canonical genetic determinants. We will highlight cases where resistance emerges in the absence of known resistance genes, analyse the role of regulatory plasticity in efflux pump expression and membrane remodelling, and examine the contributions of bacterial stress responses and post-transcriptional control. Additionally, we will address methodological gaps in the detection of these mechanisms and their implications for clinical treatment failure, resistance surveillance, and drug development. By integrating insights from molecular microbiology, systems biology, and genomics, this review aims to offer a framework for understanding AMR as a multifaceted, context-dependent phenotype, not merely a genotype. We conclude by identifying knowledge gaps and suggesting priorities for research and diagnostic innovation in this evolving field.
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 | 0,001 | 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 ».