Comparative efficacy of five different rep-PCR methods to discriminate Escherichia coli populations in aquatic environments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Development of efficient techniques to discriminate the sources of E. coli in aquatic environments is essential to improve the surveillance of fecal pollution indicators, to develop strategies to identify the sources of fecal contamination, and to implement appropriate management practices to minimize gastrointestinal disease transmission. In this study the robustness of five different rep-PCR methods, such as REP-PCR, ERIC-PCR, ERIC2-PCR, BOX-PCR and (GTG)(5)-PCR were evaluated to discriminate 271 E. coli strains isolated from two watersheds (Lakelse Lake and Okanagan Lake) located in British Columbia, Canada. Cluster analysis of (GTG)(5)-PCR, BOX-PCR, REP-PCR, ERIC-PCR and ERIC2-PCR profiles of 271 E. coli revealed 43 clusters, 35 clusters, 28 clusters, 23 clusters and 14 clusters, respectively. The discriminant analysis of rep-PCR genomic fingerprints of 271 E. coli isolates yielded an average rate of correct classification (watershed-specific) of 86.8%, 82.3%, 78.4%, 72.6% and 55.8% for (GTG)(5)-PCR, BOX-PCR, REP-PCR, ERIC-PCR and ERIC2-PCR, respectively. Based on the results of cluster analysis and discriminant function analysis, (GTG)(5)-PCR was found to be the most robust molecular tool for differentiation of E. coli populations in aquatic environments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle