A comparison of AFLP and ERIC-PCR analyses for discriminating Escherichia coli from cattle, pig and human sources
Notice bibliographique
Résumé
Amplified fragment length polymorphism (AFLP) and enterobacterial repetitive intergenic consensus polymerase chain reaction (ERIC-PCR) genomic fingerprinting assays were compared for their ability to differentiate Escherichia coli isolates obtained from various host sources, and with respect to their pathogenicity. One hundred and ten verotoxigenic, enterotoxigenic and non-pathogenic E. coli isolates obtained from cattle, humans and pigs were used in this study. The AFLP assay was shown to be highly effective in predicting both the host source and pathogenicity of the E. coli isolates. A stepwise discriminant function analysis showed that 91.4, 90.6 and 97.7% of the human, bovine and pig isolates were classified into the correct host types, respectively. The analysis also distinguished the non-pathogenic E. coli from the verocytotoxigenic and enterotoxigenic virulence phenotypes at 100, 100 and 90.9% accuracy, respectively. Sixty-two E. coli strains from the collection were subjected to the ERIC-PCR fingerprinting analysis. Using this method, only 28.6, 0 and 75.0% of the human, bovine and pig isolates were classified into the correct host types, respectively. Overall, the AFLP method was able to ascribe host source with a high level of confidence and readily discriminate pathogenic from non-clinical isolates of E. coli.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».