MétaCan
Menu
Retour à la cohorte
Enregistrement W4416994043 · doi:10.1128/msystems.01507-25

Co-culture metabolomics: a powerful tool for uncovering host-pathogen phenotypes driving <i>Burkholderia</i> infections

2025· article· en· W4416994043 sur OpenAlexaff
Stephanie L. Bishop

Notice bibliographique

RevuemSystems · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBurkholderia infections and melioidosis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMetabolomicsMetabolic pathwayPhenotypePathogenPeptidoglycanMetabolomeNicotinamide adenine dinucleotideCitric acid cycleIntracellularGlycolysis

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Melioidosis, caused by the soil-dwelling pathogen Burkholderia pseudomallei (Bt), is a severe respiratory infection with limited treatment options. To investigate the host-pathogen metabolic interplay occurring during these intracellular infections, Hicks et al. built upon an in vitro co-culture model they developed with airway epithelial cells and Bt as a surrogate pathogen (D. J. Hicks, N. Aiosa, A. Sinha, O. A. Jaiyesimi, et al., mSystems 10:e00611-25, 2025, https://doi.org/10.1128/msystems.00611-25 ). Using an untargeted metabolomics approach tailored to central metabolism, they identified several host pathways that were altered during the Bt infection: polyamine biosynthesis, nicotinamide adenine dinucleotide salvage, and the tricarboxylic acid cycle. In addition, they found that several bacterial metabolites, including methylated nucleotide bases, peptidoglycan precursors, and amino acid derivatives, were altered due to Bt infection. These results show that co-culture metabolomics is an effective strategy for identifying host-pathogen metabolic phenotypes resulting from bacterial infections and can uncover new therapeutic strategies to combat melioidosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,272
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemSystemsMême sujetBurkholderia infections and melioidosisTravaux en français237 207