Synthese d'un α-AApeptide derive d'un peptide RNase antibiofilm
Notice bibliographique
Résumé
Le biofilm microbien est un problème de santé publique selon l'Organisation mondiale de la santé, lié à 75 % des infections humaines. Les biofilms sont des associations microbiennes bien organisées dans une matrice extracellulaire complexe. Les biofilms jouent le rôle de pool de bactéries et de barrière contre les antibiotiques ou pour héberger les cellules immunitaires. Les peptides ont été étudiés au cours des dernières décennies et ont montré une activité antibiofilm considérable même sur des micro-organismes résistants. Bien que très prometteuses, ces biomolécules présentent certaines limites in vivo, telles qu'une sensibilité protéolytique et une faible stabilité. Les peptidomimétiques, comme les AApeptides, sont une alternative viable pour résoudre ces limitations avec une plus grande résistance à la dégradation protéolytique. Objectif : Synthèse d’un α-AApeptide à partir d'un peptide 11-mer naturel hautement actif conçu à partir de plusieurs séquences génétiques du système de défense humain, montrant 50 % d'activité d'inhibition du biofilm à 15 μM vis-à-vis de Staphylococcus epidermidis. Méthode : La synthèse chimique est du type peptidique et a reposé sur la préparation d’unités AAdipeptidiques puis à la conjugaison de celles-ci selon um processus convergent. Résultats : Le 11-mer α-AApeptide a été synthétisé avec succès. La molécule peptidomimétique n'a en revanche pas démontré d'activité vis-à-vis des souches bactériennes étudiées en comparaison avec le peptide naturel Conclusions : Des études supplémentaires devront être menées sur le peptide et son peptidomimétique afin de justifier de cette différence d’effet. Une attention particulière sera portée à la structuration tridimensionnelle de ceux-ci.
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 | 0,001 | 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) | 0,001 | 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 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 ».