論文の概要: Resistance Maintained in Digital Organisms despite
Guanine/Cytosine-Based Fitness Cost and Extended De-Selection: Implications
to Microbial Antibiotics Resistance
- arxiv url: http://arxiv.org/abs/2302.13897v1
- Date: Sun, 19 Feb 2023 11:40:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 05:43:48.937481
- Title: Resistance Maintained in Digital Organisms despite
Guanine/Cytosine-Based Fitness Cost and Extended De-Selection: Implications
to Microbial Antibiotics Resistance
- Title（参考訳）: グアニン/シトシン系繊維コストと脱選択延長にもかかわらずデジタル生物が維持する抵抗性:微生物系抗生物質抵抗性への影響
- Authors: Clarence FG Castillo, Zhu En Chay, Maurice HT Ling
- Abstract要約: 本研究の目的は、フィットネスコストが抵抗を維持する上で生じる抵抗の獲得率と損失率を調べることである。
以上の結果より, 抗菌性選択圧の除去による脱選択時のGC含有量に基づくフィットネスコストは, フィットネスコストと比較して抵抗性に類似した傾向を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Antibiotics resistance has caused much complication in the treatment of
diseases, where the pathogen is no longer susceptible to specific antibiotics
and the use of such antibiotics are no longer effective for treatment. A recent
study that utilizes digital organisms suggests that complete elimination of
specific antibiotic resistance is unlikely after the disuse of antibiotics,
assuming that there are no fitness costs for maintaining resistance once
resistance are established. Fitness cost are referred to as reaction to change
in environment, where organism improves its' abilities in one area at the
expense of the other. Our goal in this study is to use digital organisms to
examine the rate of gain and loss of resistance where fitness costs have
incurred in maintaining resistance. Our results showed that GC-content based
fitness cost during de-selection by removal of antibiotic-induced selective
pressure portrayed similar trends in resistance compared to that of no fitness
cost, at all stages of initial selection, repeated de-selection and
re-introduction of selective pressure. Paired t-test suggested that prolonged
stabilization of resistance after initial loss is not statistically significant
for its difference to that of no fitness cost. This suggests that complete
elimination of specific antibiotics resistance is unlikely after the disuse of
antibiotics despite presence of fitness cost in maintaining antibiotic
resistance during the disuse of antibiotics, once a resistant pool of
micro-organism has been established.
- Abstract（参考訳）: 抗生物質耐性は病気の治療に多くの合併症を引き起こしており、病原体は特定の抗生物質に感受性がなく、そのような抗生物質の使用はもはや治療に効果がない。
デジタル生物を利用した最近の研究は、耐性が確立すれば、耐性を維持するためのフィットネスコストが存在しないと仮定して、抗生物質の消毒後に特定の抗生物質抵抗の完全な除去が不可能であることを示している。
適応コストは環境の変化に対する反応と呼ばれ、ある領域における生物の能力が他の領域の費用を犠牲にして向上する。
本研究の目的は、デジタル生物を用いて、フィットネスコストが抵抗を維持する上で生じる抵抗の獲得率と損失率を調べることである。
以上の結果から, 抗生物質による選択的圧力の除去によるgc含有フィットネスコストは, 初期選択, 反復的脱選択, 選択的圧力の再導入の各段階において, 抵抗性に類似した傾向を示した。
Paired t-testは、初期喪失後の抵抗の長期安定化は、フィットネスコストに差がないため統計的に有意ではないことを示唆した。
このことは、抗生物質の消毒中に抗生物質耐性を維持するための適合コストがあるにもかかわらず、抗生物質の消毒後に特定の抗生物質耐性の完全な除去が不可能であることを示している。
関連論文リスト
- Opponent Shaping for Antibody Development [49.26728828005039]
抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。
治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。
我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
論文 参考訳（メタデータ） (2024-09-16T14:56:27Z) - Enhancing Antibiotic Stewardship using a Natural Language Approach for Better Feature Representation [0.0]
抗生物質耐性菌の急速な出現は、世界的な医療危機として認識されている。
本研究は, 抗生物質スチュワードシップ改善のための臨床意思決定支援システムの利用について検討する。
EHRシステムは、データの効率的な合成と利用を複雑にし、多くのデータレベルの課題を提示している。
論文 参考訳（メタデータ） (2024-05-30T18:53:53Z) - AntiBARTy Diffusion for Property Guided Antibody Design [0.0]
我々は、BART(Bidirectional and Auto-Regressive Transformer)に基づく抗体特異的言語モデルAntiBARTyを訓練し、その潜在空間を用いて、誘導IgG de novo設計のための特性条件拡散モデルを訓練する。
試験例では, 抗体の妥当性を維持し, 配列の多様性を制御しながら, シリカ溶解度を向上した新規抗体を効果的に生成できることが示唆された。
論文 参考訳（メタデータ） (2023-09-22T18:30:50Z) - Spatial-Temporal Networks for Antibiogram Pattern Prediction [30.552245946539994]
抗生剤は、臨床医が地域抵抗率を理解し、処方薬で適切な抗生物質を選択するのに役立つ。
実際には、抗生物質耐性の顕著な組み合わせは、異なるアンチバイオグラムに現れ、アンチバイオグラムパターンを形成する。
本稿では,今後どのようなパターンが現れるかを予測することを目的とした,新しいアンチバイオグラムパターン予測法を提案する。
論文 参考訳（メタデータ） (2023-05-02T20:01:48Z) - xTrimoABFold: De novo Antibody Structure Prediction without MSA [77.47606749555686]
我々は、抗体配列から抗体構造を予測するために、xTrimoABFoldという新しいモデルを開発した。
CDRにおけるドメイン特異的焦点損失のアンサンブル損失とフレーム整合点損失を最小化することにより,PDBの抗体構造をエンドツーエンドにトレーニングした。
論文 参考訳（メタデータ） (2022-11-30T09:26:08Z) - Incorporating Pre-training Paradigm for Antibody Sequence-Structure
Co-design [134.65287929316673]
深層学習に基づく計算抗体の設計は、人間の経験を補完する可能性のあるデータから自動的に抗体パターンをマイニングするので、注目を集めている。
計算手法は高品質な抗体構造データに大きく依存しており、非常に限定的である。
幸いなことに、CDRをモデル化し、構造データへの依存を軽減するために有効な抗体の配列データが多数存在する。
論文 参考訳（メタデータ） (2022-10-26T15:31:36Z) - Joint Application of the Target Trial Causal Framework and Machine
Learning Modeling to Optimize Antibiotic Therapy: Use Case on Acute Bacterial
Skin and Skin Structure Infections due to Methicillin-resistant
Staphylococcus aureus [5.611469725376418]
メチシリン耐性黄色ブドウ球菌(MRSA)による急性細菌性皮膚・皮膚構造感染症(ABSSSI)の死亡予測とITE推定の機械学習モデルを開発した。
まず、確率スコアマッチングを用いて臨床試験をエミュレートし、ランダム化された治療データセット(バンコマイシンと他の抗生物質)を作成します。
次に、このデータを用いて様々な機械学習手法(強化/LASSOロジスティック回帰、サポートベクターマシン、ランダムフォレストなど)を訓練し、ブートストラップ検証により受信特性(AUC)の下の領域で最適なモデルを選択する。
論文 参考訳（メタデータ） (2022-07-15T13:08:15Z) - Machine learning techniques to identify antibiotic resistance in
patients diagnosed with various skin and soft tissue infections [1.897172519574925]
皮膚および軟部組織感染症(SSTIs)は、最も頻度の高い疾患の1つである。
多様な細菌性病原体の抗生物質に対する耐性は、重篤なSSTIの重大な原因である。
我々は、抗生物質感受性試験データを用いて、抗菌性を予測する機械学習(ML)モデルを開発した。
論文 参考訳（メタデータ） (2022-02-28T01:08:02Z) - AntBO: Towards Real-World Automated Antibody Design with Combinatorial
Bayesian Optimisation [53.43922443725598]
本稿では,CDRH3領域のシリコ設計を効率的に行うための組合せ最適化アルゴリズムAntBOを提案する。
AntBOをベンチマークするために、私たちはAbsolut!ソフトウェアスイートをブラックボックスのオラクルとして使用しています。
200以上のタンパク質の設計において、AntBOは690万の実験的に得られたCDRH3から引き出された最も優れた結合配列より優れた抗体配列を提案することができる。
論文 参考訳（メタデータ） (2022-01-29T12:03:04Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳（メタデータ） (2020-12-24T18:49:22Z) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳（メタデータ） (2020-05-22T15:57:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。