Étude de l’effet des sucres dérivés du mucus et du régulateur NagC sur la formation de biofilm d’E. coli de différents pathotypes incluant les E. coli adhérentes et invasives (AIEC)
Bibliographic record
Abstract
La couche de mucus intestinal est une barrière physique qui limite le contact entre les bactéries et les cellules épithéliales de l’hôte. De plus en plus d’études suggèrent que des métabolites produits par le microbiote peuvent être perçus de manière spécifique par des pathogènes. Cela aurait pour conséquence de moduler l’expression de leurs gènes de virulence. Plusieurs E. coli, commensaux ou pathogènes, sont capables de former des biofilms. Cette propriété favorise leur colonisation et leur résistance aux mécanismes immunitaires de l’hôte. Nous démontrons que le N-acétyl-glucosamine (NAG) et l’acide sialique peuvent réduire la formation de biofilm de différentes souches. L’inactivation de la protéine régulatrice NagC, par ajout du NAG ou par mutation, réduit la formation de biofilm de la souche adhérente et invasive LF82 en condition statique. NagC serait donc un activateur de la formation de biofilm. De plus, le suivi en temps réel de la formation de biofilm LF82 en utilisant un système microfluidique a démontré que la mutation de nagC altère une étape précoce de la formation de biofilm chez cette souche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".