Methods for Genotyping Verotoxin‐Producing <i>Escherichia coli</i>
Notice bibliographique
Résumé
Verotoxin-producing Escherichia coli (VTEC) is annually incriminated in more than 100,000 cases of enteric foodborne human disease and in losses amounting to $US 2.5 billion every year. A number of genotyping methods have been developed to track VTEC infections and determine diversity and evolutionary relationships among these microorganisms. These methods have facilitated monitoring and surveillance of foodborne VTEC outbreaks and early identification of outbreaks or clusters of outbreaks. Pulsed-field gel electrophoresis (PFGE) has been used extensively to track and differentiate VTEC because of its high discriminatory power, reproducibility and ease of standardization. Multiple-locus variable-number tandem-repeats analysis (MLVA) and microarrays are the latest genotyping methods that have been applied to discriminate VTEC. MLVA, a simpler and less expensive method, is proving to have a discriminatory power comparable to that of PFGE. Microarrays are successfully being applied to differentiate VTEC and make inferences on genome diversification. Novel methods that are being evaluated for subtyping VTEC include the detection of single nucleotide polymorphisms and optical mapping. This review discusses the principles, applications, advantages and disadvantages of genotyping methods that have been used to differentiate VTEC strains. These methods have been mainly used to differentiate strains of O157:H7 VTEC and to a lesser extent non-O157 VTEC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».