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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».