Clostridioides difficile has emerged as a major cause of life-threatening diarrheal disease. Conventional antibiotics used in current standards of care exacerbate the emergence of antibiotic-resistant strains and pose a risk of recurrent C. difficile infection (CDI). Thus, there is an urgent need for alternative therapeutics that selectively eliminate C. difficile without disturbing the commensal microbiota. Endolysin is a bacteriophage-derived peptidoglycan hydrolase that aids in the release of phage progeny during the final stage of infection. In order to exploit endolysin as a therapeutic agent against CDI, the bactericidal activity of 23 putative endolysins was compared and ΦCD27 endolysin CD27L was selected and modified to CD27L_EAD by cleaving the cell-wall binding domain of CD27L. CD27L_EAD exhibited greater bacteriolytic activity than CD27L and its activity was stable over a wide range of salt concentrations and pH conditions. CD27L_EAD was added to a co-culture of human gut microbiota with C. difficile and the bacterial community structure was analyzed. CD27L_EAD did not impair the richness and diversity of the bacterial population but remarkably attenuated the abundance of C. difficile. Furthermore, the co-administration of vancomycin exerted synergistic bactericidal activity against C. difficile. β-diversity analysis revealed that CD27L_EAD did not significantly disturb the composition of the microbial community, whereas the abundance of some species belonging to the family Lachnospiraceae decreased after CD27L_EAD treatment. This study provides insights into endolysin as a prospective therapeutic agent for the treatment of CDI without damaging the normal gut microbiota.

Intrinsic cardiac neurons (ICNs) play a crucial role in the proper functioning of the heart; yet a paucity of data pertaining to human ICNs exists. We took a multidisciplinary approach to complete a detailed cellular comparison of the structure and function of ICNs from mice, pigs, and humans. Immunohistochemistry of whole and sectioned ganglia, transmission electron microscopy, intracellular microelectrode recording and dye filling for quantitative morphometry were used to define the neurophysiology, histochemistry, and ultrastructure of these cells across species. The densely packed, smaller ICNs of mouse lacked dendrites, formed axosomatic connections, and had high synaptic efficacy constituting an obligatory synapse. At Pig ICNs, a convergence of subthreshold cholinergic inputs onto extensive dendritic arbors supported greater summation and integration of synaptic input. Human ICNs were tonically firing, with synaptic stimulation evoking large suprathreshold excitatory postsynaptic potentials like mouse, and subthreshold potentials like pig. Ultrastructural examination of synaptic terminals revealed conserved architecture, yet small clear vesicles (SCVs) were larger in pigs and humans. The presence and localization of ganglionic neuropeptides was distinct, with abundant VIP observed in human but not pig or mouse ganglia, and little SP or CGRP in pig ganglia. Action potential waveforms were similar, but human ICNs had larger after-hyperpolarizations. Intrinsic excitability differed; 93% of human cells were tonic, all pig neurons were phasic, and both phasic and tonic phenotypes were observed in mouse. In combination, this publicly accessible, multimodal atlas of ICNs from mice, pigs, and humans identifies similarities and differences in the evolution of ICNs.

Background Although several biomarkers exist for patients with heart failure (HF), their use in routine clinical practice is often constrained by high costs and limited availability. Objective We examined the utility of an artificial intelligence (AI) algorithm that analyzes printed electrocardiograms (ECGs) for outcome prediction in patients with acute HF. Methods We retrospectively analyzed prospectively collected data of patients with acute HF at two tertiary centers in Korea. Baseline ECGs were analyzed using a deep-learning system called Quantitative ECG (QCG), which was trained to detect several urgent clinical conditions, including shock, cardiac arrest, and reduced left ventricular ejection fraction (LVEF). Results Among the 1254 patients enrolled, in-hospital cardiac death occurred in 53 (4.2%) patients, and the QCG score for critical events (QCG-Critical) was significantly higher in these patients than in survivors (mean 0.57, SD 0.23 vs mean 0.29, SD 0.20; P<.001). The QCG-Critical score was an independent predictor of in-hospital cardiac death after adjustment for age, sex, comorbidities, HF etiology/type, atrial fibrillation, and QRS widening (adjusted odds ratio [OR] 1.68, 95% CI 1.47-1.92 per 0.1 increase; P<.001), and remained a significant predictor after additional adjustments for echocardiographic LVEF and N-terminal prohormone of brain natriuretic peptide level (adjusted OR 1.59, 95% CI 1.36-1.87 per 0.1 increase; P<.001). During long-term follow-up, patients with higher QCG-Critical scores (>0.5) had higher mortality rates than those with low QCG-Critical scores (<0.25) (adjusted hazard ratio 2.69, 95% CI 2.14-3.38; P<.001). Conclusions Predicting outcomes in patients with acute HF using the QCG-Critical score is feasible, indicating that this AI-based ECG score may be a novel biomarker for these patients. Trial Registration ClinicalTrials.gov NCT01389843; https://clinicaltrials.gov/study/NCT01389843