All posts by Postępy Mikrobiologii

ANTIMICROBIAL ACTIVITY OF LIPOPEPTIDES

Aktywność przeciwdrobnoustrojowa lipopeptydów
Paulina Czechowicz, Joanna Nowicka

Abstract: The constantly growing number of multidrug-resistant bacterial strains prompts the search for alternative treatments. Synthetic peptides based on natural antimicrobial peptides, also known as antimicrobial lipopeptides, can become a promising group of “drugs” to fight multi-resistant bacteria. The present paper discusses the origins of synthetic lipopeptides, their classification and anti-microbial properties.

1. Introduction. 2. Antimicrobial peptides. 3. Classification of antimicrobial peptides. 4. Lipopeptide antibiotics. 5. Synthetic lipopeptides. 5.1. Ultrashort lipopeptides. 5.2. Peptidomimetics. 5.3. Multivalent lipopeptides. 5.4. Hydrocarbon-stapled lipopeptides. 5.5. Antimicrobial lipopeptides in laboratory researches. 6. Summary

Streszczenie: Ciągle rosnąca liczba szczepów wieloopornych skłania do poszukiwania alternatywnych metod leczenia. Obiecującą grupą „leków” do walki z wieloopornymi mikroorganizmami, bazującą na naturalnych peptydach przeciwdrobnoustrojowych, mogą stać się syntetyczne peptydy określane mianem lipopeptydów przeciwdrobnoustrojowych. W pracy omówiono pochodzenie syntetycznych lipopeptydów, ich podział oraz właściwości przeciwdrobnoustrojowe.

1. Wstęp. 2. Peptydy przeciwdrobnoustrojowe. 3. Klasyfikacja peptydów przeciwdrobnoustrojowych. 4. Antybiotyki lipopeptydowe. 5. Syntetyczne lipopeptydy. 5.1. Krótkie syntetyczne lipopeptydy. 5.2. Peptydomimetyki. 5.3. Multiwalentne lipopeptydy. 5.4. Lipopeptydy usztywnione klamrą węglowodorową. 5.5. Lipopeptydy przeciwdrobnoustrojowe w badaniach laboratoryjnych. 6. Podsumowanie

AKTYWNOŚĆ PRZECIWDROBNOUSTROJOWA LIPOPEPTYDÓW

Antimicrobial activity of lipopeptides
Paulina Czechowicz, Joanna Nowicka

Streszczenie: Ciągle rosnąca liczba szczepów wieloopornych skłania do poszukiwania alternatywnych metod leczenia. Obiecującą grupą „leków” do walki z wieloopornymi mikroorganizmami, bazującą na naturalnych peptydach przeciwdrobnoustrojowych, mogą stać się syntetyczne peptydy określane mianem lipopeptydów przeciwdrobnoustrojowych. W pracy omówiono pochodzenie syntetycznych lipopeptydów, ich podział oraz właściwości przeciwdrobnoustrojowe.

1. Wstęp. 2. Peptydy przeciwdrobnoustrojowe. 3. Klasyfikacja peptydów przeciwdrobnoustrojowych. 4. Antybiotyki lipopeptydowe. 5. Syntetyczne lipopeptydy. 5.1. Krótkie syntetyczne lipopeptydy. 5.2. Peptydomimetyki. 5.3. Multiwalentne lipopeptydy. 5.4. Lipopeptydy usztywnione klamrą węglowodorową. 5.5. Lipopeptydy przeciwdrobnoustrojowe w badaniach laboratoryjnych. 6. Podsumowanie

Abstract: The constantly growing number of multidrug-resistant bacterial strains prompts the search for alternative treatments. Synthetic peptides based on natural antimicrobial peptides, also known as antimicrobial lipopeptides, can become a promising group of “drugs” to fight multi-resistant bacteria. The present paper discusses the origins of synthetic lipopeptides, their classification and antimicro-
bial properties.

1. Introduction. 2. Antimicrobial peptides. 3. Classification of antimicrobial peptides. 4. Lipopeptide antibiotics. 5. Synthetic lipopeptides. 5.1. Ultrashort lipopeptides. 5.2. Peptidomimetics. 5.3. Multivalent lipopeptides. 5.4. Hydrocarbon-stapled lipopeptides. 5.5. Antimicrobial lipopeptides in laboratory research. 6. Summary

PROGNOZOWANIE W MIKROBIOLOGII ŻYWNOŚCI

Predictive microbiology of food
Elżbieta Rosiak, Katarzyna Kajak-Siemaszko, Monika Trząskowska, Danuta Kołożyn-Krajewska

Streszczenie: Pojęcie ,,mikrobiologia prognostyczna” po raz pierwszy w języku polskim zostało użyte w 1994 roku przez prof. Ilnicką-Olejniczak. Natomiast początki prognozowania w mikrobiologii sięgają roku 1920 kiedy to Bigelow opracował zależność logarytmiczno-liniową kinetyki śmierci mikroorganizmów. Mikrobiologia prognostyczna jest subdyscypliną mikrobiologii żywności, której zadaniem jest przewidywanie zachowań mikroorganizmów w żywności z wykorzystaniem modeli matematycznych. Model prognostyczny w przypadku mikrobiologii jest z reguły uproszczonym opisem korelacji pomiędzy zaobserwowanymi reakcjami oraz czynnikami odpowiedzialnymi za pojawienie się tych reakcji. Wyróżnia się kilka głównych koncepcji modeli (empiryczne vs mechanistyczne; stochastyczne vs deterministyczne; dynamiczne vs statyczne) w ramach których istnieją podziały modeli w zależności od rodzaju badanego drobnoustroju czy natury problemów powodowanych przez drobnoustroje (kinetyczne vs probabilistyczne), opisywanych zmiennych (modele pierwszo-, drugo i trzeciorzędowe) czy oddziaływania czynników środowiskowych na populacje drobnoustrojów (modele wzrostu, przeżywalności, inaktywacji). Do nowej generacji modeli zalicza się modele molekularne i genomowe, modele transferu, ANN, modele interakcji między gatunkami oraz modele pojedynczej komórki.
Proces powstawania matematycznego modelu wymaga koordynacji pracy i wiedzy z zakresu: mikrobiologii, statystyki, matematyki, chemii, inżynierii procesowej oraz informatyki. Wymaga również odpowiedniego sprzętu i oprogramowania komputerowego. Wyróżnia się cztery etapy postępowania przy konstrukcji modelu matematycznego: planowanie; zbieranie i analiza danych; opis matematyczny; walidacja i przechowywanie danych. W ostatnich latach opracowano liczne programy do prognozowania w mikrobiologii FISHMAP, FSSP, Dairy Product Safety Predictor, Sym’Previus, GroPIN, Listeria Meat FDA-iRISK, TRiMiCri, Microbial Responses, GlnaFiT, FILTREX, PMM-Lab. Natomiast baza danych ComBase, jest osiągnięciem pionierskim jako narzędzie działające on-line. Niektóre programy spełniają wymagania do tworzenia Repozytoriów Modeli Bezpieczeństwa Żywności (FSMR – Food Safety Model Repositories).

1. Wprowadzenie. 2. Idea mikrobiologii prognostycznej. 3. Rys historyczny mikrobiologii prognostycznej. 4. Pojęcie modelu i koncepcje modelowania w mikrobiologii żywności. 4.1. Koncepcja 1: modele empiryczne vs mechanistyczne. 4.2. Koncepcja 2: modele statyczne vs dynamiczne. 4.3. Koncepcja 3: modele stochastyczne vs deterministyczne. 5. Podziały modeli prognostycznych. 5.1. Sieci neuronowe. 5.2. Nowa generacja modeli prognostycznych. 6. Konstrukcja modelu prognostycznego. 6.1. Planowanie doświadczenia. 6.2. Zbieranie danych. 6.3. Analiza danych. 6.4 Walidacja modelu. 7. Prognozowanie mikrobiologiczne w analizie ryzyka. 8.Podsumowanie

Abstract: The beginnings of predictive microbiology date back to 1920 when Bigelow developed a logarithmic-linear dependence of kinetics on the death of microorganisms. Predictive microbiology is a sub-discipline of food microbiology, whose task is to predict the behavior of microorganisms in food using mathematical models. The predictive model for microbiology is usually a simplified description of the correlation between the observed reactions and the factors responsible for the occurrence of these reactions. There are several main conceptual models (empirical vs. mechanistic, stochastic vs. deterministic, dynamic vs. static), in which there are model divisions depending on the type of examined microorganism or the nature of the problems caused by microbes (kinetic vs. probabilistic), described variables (first, secondary and tertiary) or the influence of environmental factors on microbial populations (growth, survival, inactivation). The new generations of models include molecular and genomic models, transfer models, Artificial Neural Network, interactions between species, and single cell models.
The process of creating a mathematical model requires coordination of work and the knowledge of: microbiology, statistics, mathematics, chemistry, process engineering and computer and web science. It also requires appropriate hardware and software. There are four stages in the construction of a mathematical model: planning; data collection and analysis; mathematical description; validation and storage of data.
In recent years, numerous computer software programs have been developed: FISHMAP, FSSP, Dairy Product Safety Predictor, Symbiosis, GroPIN, Listeria Meat FDA-iRISK, TRiMiCri, Microbial Responses, GlnaFiT, FILTREX, PMM-Lab. ComBase database, on the other hand, is a pioneering achievement as an on-line tool. Some programs meet the requirements for creating Food Safety Model Repositories (FSMR).

1. Introduction. 2. The idea of predictive microbiology. 3. Historical background of predictive microbiology. 4. The concept of a model and modeling concepts in food microbiology. 4.1. Concept 1: empirical vs. mechanistic models. 4.2. Concept 2: static vs. dynamic models. 4.3. Concept 3: stochastic vs. deterministic models. 5. Breakdowns of prognostic models. 5.1. Neural networks. 5.2. A new generation of predictive models. 6. The construction of the predictive model. 6.1. Planning the experiment. 6.2. Collection of data. 6.3. Data analysis. 6.4. Model validation. 7. Predictive microbiology in risk analysis. 8. Summary

LEKOOPORNOŚĆ RODZAJU ENTEROCOCCUS – AKTUALNY PROBLEM WŚRÓD LUDZI I ZWIERZĄT

Drug resistance in the genus Enterococcus – current problem in humans and animals
Katarzyna Talaga-Ćwiertnia, Małgorzata Bulanda

Streszczenie: Lekooporne bakterie z rodzaju Enterococcus zaliczane są obecnie do jednych z najważniejszych patogenów odpowiedzialnych za zakażenia związane z opieką zdrowotną. Lekooporność tych bakterii narastała począwszy od lat 80. XX wieku, aby doprowadzić obecnie do ich wielolekooporności. Do tego stanu przyczyniła się presja selekcyjna występująca przede wszystkim w środowisku szpitalnym. Zaś w środowisku pozaszpitalnym presję selekcyjną stanowiło stosowanie antybiotyków jako promotorów wzrostu przy hodowli zwierząt, a także w produkcji żywności. Rezerwuarem lekoopornych szczepów enterokoków są również zwierzęta towarzyszące człowiekowi. Wymiana genów oporności pomiędzy szczepami enterokoków z różnych nisz stwarza zagrożenie dla zdrowia publicznego.

1. Wprowadzenie. 2. Środowisko szpitalne. 3. Zwierzęta hodowlane. 4. Żywność. 5. Zwierzęta towarzyszące człowiekowi. 6. Podsumowanie

Abstract: Drug-resistant bacteria from the genus Enterococcus are currently among the most important pathogens behind healthcare-associated infections. The drug resistance of these bacteria has been on the increase since the 1980s, leeding to their multi-drug resistance. Selective pressure, present mainly in the hospital environment, contributed to this phenomenon. However, also outside the hospital environment selective pressure came into play, namely the use of antibiotics as promoters of growth in animal husbandry and in food production. Household pets form a reservoir of drug-resistant enterococcal strains, too. The exchange of resistance genes between enterococcal strains from different niches poses a threat to public health.

1. Introduction. 2. Hospital environment. 3. Farm animals. 4. Food. 5. Household pets. 6. Summary

PATOGENY PRZENOSZONE PRZEZ KLESZCZE U OSÓB ZAKAŻONYCH WIRUSEM NIEDOBORU ODPORNOŚCI (HIV-1)

Tick-Borne Pathogens in Individuals with Human Immunodeficiency Virus Type 1 (HIV-1) Infection
Renata Welc-Falęciak, Małgorzata Bednarska, Magdalena Szatan, Agnieszka Pawełczyk

Streszczenie: Badania dotyczące występowania i różnorodności patogenów przenoszone przez kleszcze u osób zakażonych wirusem HIV są nieliczne w porównaniu z innymi infekcjami towarzyszącymi zakażeniom HIV. Nieswoiste symptomy chorób odkleszczowych stanowią wyzwanie w opiece klinicznej i mogą prowadzić do błędnej diagnozy, szczególnie u pacjentów zakażonych wirusem HIV, u których często występuje jednocześnie wiele, mało specyficznych objawów klinicznych. Dodatkowo u pacjentów z obniżoną odpornością może wystąpić znaczne opóźnienie wytwarzania przeciwciał, przez co wyniki testów serologicznych mogą być błędnie interpretowane. Niniejszy przegląd koncentruje się na najczęstszych infekcjach przenoszonych przez kleszcze u pacjentów zakażonych wirusem HIV w Europie.

1. Wprowadzenie. 2. Kleszcze jako wektory. 3. Babeszjoza. 3.1. Diagnostyka i leczenie. 4. Borelioza z Lyme. 4.1. Diagnostyka i leczenie. 5. Riketsjozy. 5.1. Diagnostyka i leczenie. 6. Podsumowanie

Abstract: The studies on the occurrence and diversity of tick-borne infections in HIV-infected individuals have been few, and the subject has been relatively neglected when compared with other infections associated with HIV. Non-specific symptoms of tick-borne diseases pose a challenge in clinical care and may lead to misdiagnosis, especially in HIV-positive patients, who often experience many non-specific clinical symptoms. Additionally, in immunocompromised patients, a significant delay of antibody production may occur, and the results of a serological test may be misinterpreted. This review focuses on the most common tick-borne infections in HIV-positive patients in Europe.

1. Introduction. 2. Ticks as vectors. 3. Babesiosis. 3.1. Diagnostics and treatment. 4. Lyme borreliosis. 4.1. Diagnostics and treatment. 5. Rickettsiosis. 5.1. Diagnostics and treatment. 6. Conclusions

Najnowszy numer

Najnowszy numer

POSTĘPY MIKROBIOLOGII
2018, 57, 3

O Towarzystwie

PTM

Celem Polskiego Towarzystwa
Mikrobiologów jest propagowanie rozwoju nauk mikrobiologicznych

i popularyzowanie osiągnięć
mikrobiologii wśród członków Towarzystwa oraz szerokich kręgów społeczeństwa. Formami działalności jest organizowanie zjazdów, posiedzeń naukowych, kursów, wykładów
i odczytów oraz konkursów prac naukowych; wydawanie i popieranie wydawania czasopism naukowych, książek
i innych publikacji
z dziedziny mikrobiologii; opiniowanie o stanie i potrzebach mikrobiologii polskiej

i występowanie w jej sprawach wobec
władz państwowych; współpraca
z pokrewnymi stowarzyszeniami
w kraju i za granicą.