Implication des gènes curli dans un phénotype distinct d'autoagrégation et de formation de biofilm chez certaines souches Escherichia coli O157: H7
Bibliographic record
Abstract
Les bactéries pathogènes Escherichia coli entérohémorrhagiques (EHEC) O157:H7 causent des toxi-infections sévères chez l’humain. Les biofilms des EHEC rendent difficile leur contrôle dans les environnements favorisant leur persistance. Certaines souches O157:H7 dont celle de référence Sakai, possèdent une capacité accrue à s'autoagréger et former des biofilms. L’étude a visé à identifier les gènes impliqués dans l’autoagrégation et la formation de biofilm chez la souche Sakai, et vérifier l’association des facteurs identifiés avec d’autres EHEC O157:H7 du même phénotype. Avec une banque de mutants Tn10 de la souche Sakai, des mutants non-autoagglutinants et non-formateurs de biofilms des gènes csgB et csgG furent sélectionnés et caractérisés. Ces mutants formaient significativement moins de biofilms et d´autoagrégats que Sakai, et ne produisaient plus curli. La complémentation des mutants restaurait le phénotype sauvage. De plus, des gènes responsables de la biogenèse de curli csgA, csgB et csgG étaient significativement surexprimés chez Sakai, comparativement avec la souche EDL933 non-autoagglutinant, qui forme moins de biofilm. Parmi les souches d’E. coli 0157:H7 on distingue deux groupes d’isolats: Sakai-like et EDL933-like selon leur production de curli, et leur capacité à former des autoagrégats et biofilms. Nos résultats suggèrent qu’une surproduction de fibres de curli dans un sous-ensemble de souches O157:H7 pourrait être responsable de leur phénotype particulier d'autoagrégation et de formation de biofilms forts. Le projet permet de mieux cerner le mécanisme de formation de biofilm dans EHEC et renforce l’hypothèse que le curli est une cible intéressante pour contrer la persistance des EHEC en environnements naturels et industriels.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| 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 | 0.000 |
| 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".