Sélection de mutations affectant la formation de biofilm chez Actinobacillus pleuropneumoniae
Bibliographic record
Abstract
Actinobacillus pleuropneumoniae (App) est l’agent étiologique de la pleuropneumonie porcine, une infection pulmonaire contagieuse chez les porcs. Parmi les nombreux mécanismes de virulence retrouvés chez les bactéries, la formation de biofilms joue souvent un rôle important dans la pathogenèse. Il a été récemment démontré qu’App avait la capacité de former des biofilms in vitro. Dans notre laboratoire, la formation de biofilms par App a été évaluée en microplaques dans différents milieux de culture. Nous avons démontré que la souche de référence de sérotype 1 est capable de former des biofilms. Le but de ce travail est d’identifier des gènes impliqués dans la biosynthèse et dans la régulation de l’expression des biofilms chez App. L’objectif de cette étude était de générer une banque de mutants d’App 4074NalR à l’aide du transposon mini-Tn10. Cette banque de 1200 mutants a été criblée à l’aide du modèle in vitro de formation de biofilms en microplaques et en tubes : 24 mutants démontrant une formation de biofilms modifiée par rapport à la souche mère App 4074NalR ont été sélectionnés et identifiés, nous permettant ainsi de localiser le site d’insertion du transposon. Une analyse a permis d’identifier de nouveaux gènes impliqués dans la biosynthèse et dans la régulation de l’expression des biofilms chez App. Notre criblage a permis d’identifier 16 gènes connus impliqués dans la formation de biofilms chez App (hns) ou chez d’autres pathogènes (potD2, ptsI, tig and rpmF) mais également de nouveaux gènes impliqués dans la formation de biofilm (APL_0049, APL_0637 and APL_1572). Une caractérisation plus poussée de ces gènes nous permettra d’améliorer la compréhension des mécanismes impliqués dans la formation de biofilm chez App.
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) | 0.001 | 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 | 0.000 | 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".