MS-H: A Novel Proteomic Approach to Isolate and Type the E. coli H Antigen Using Membrane Filtration and Liquid Chromatography-Tandem Mass Spectrometry (LC-MS/MS)
Notice bibliographique
Résumé
Serotyping is the long-standing gold standard method to determine E. coli H antigens; however, this method requires a panel of H-antigen specific antibodies and often culture-based induction of the H-antigen flagellar motility. In this study, a rapid and accurate method to isolate and identify the Escherichia coli (E. coli) H flagellar antigen was developed using membrane filtration and liquid chromatography-tandem mass spectrometry (LC-MS/MS). Flagella were isolated from pure culture, digested with trypsin, and then subjected to LC-MS/MS using one of two systems (Agilent-nano-LC-QSTAR XL or Proxeon-nano-LC-LTQ-Orbitrap XL). The resulting peptide sequence data were searched against a custom E. coli flagella/H antigen database. This approach was evaluated using flagella isolated from reference E. coli strains representing all 53 known H antigen types and 41 clinical E. coli strains. The resulting LC-MS/MS classifications of H antigen types (MS-H) were concordant with the known H serogroup for all 53 reference types, and of 41 clinical isolates tested, 38 (92.7%) were concordant with the known H serogroup. MS-H clearly also identified two clinical isolates (4.9%) that were untypeable by serotyping. Notably, successful detection and classification of flagellar antigens with MS-H did not generally require induction of motility, establishing this proteomic approach as more rapid and cost-effective than traditional methods, while providing equitable specificity for typing E. coli H antigens.
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 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».