Synthèse d'azépanes inhibiteurs sélectifs de NagZ, une β-N-acétyl-D-glucosaminidase impliquée dans l'antibiorésistance du pathogène Pseudomonas aeruginosa
Bibliographic record
Abstract
Pseudomonas aeruginosa est une bactérie à Gram négatif ayant un rôle central dans la morbidité et la mortalité des patients mucoviscidosiques, dont l'environnement pulmonaire particulier favorise les infections chroniques par de nombreux pathogènes opportunistes. Malheureusement, de plus en plus de souches développent des résistances, rendant les antibiothérapies à base de β-lactames de moins en moins efficaces. Parmi les différents mécanismes de défenses développés par P. aeruginosa, l'un des plus important est la détection de l'activité antibiotique, avec en réponse la production de la β-lactamase AmpC, une enzyme qui dégrade les antibiotiques β-lactames. Cette détection met en œuvre la glycosylhydrolase NagZ, qui catalyse la formation de l'inducteur d'AmpC.Récemment au laboratoire, nous avons synthétisé un inhibiteur sélectif de NagZ basé sur une structure azépane. La co-administration à une souche résistante de P. aeruginosa de notre composé et de l'antibiotique β-lactame ceftazidime conduit à une perte de la résistance à l'antibiotique de 50%.Afin d'améliorer la sélectivité et l'activité de notre composé lead, des modifications chimiques du groupement acétamide et du groupement hydroxyle en position C-6 ont été réalisées. L'étude des relations de structure-activité basées sur un cliché cristallographique et sur une étude de docking ont ainsi pu être réalisées. Une autre stratégie explorée a consisté à fonctionnaliser l'atome d'azote endocyclique par un motif sidérophore afin de faciliter la pénétration du composé, ce type de groupement étant en effet connu pour jouer le rôle de cheval de Troie.Les azépanes synthétisés ont été évalués par nos collaborateurs biologistes au Japon et au Canada.
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 | 0.000 |
| 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 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".