The Critical Role of DNA Extraction for Detection of Mycobacteria in Tissues
Notice bibliographique
Résumé
BACKGROUND: Nucleic acid-based methods offer promise for both targeted and exploratory investigations of microbes in tissue samples. As the starting material for such studies is a mixture of host and microbial DNA, we have critically evaluated the DNA extraction step to determine the quantitative and qualitative parameters that permit faithful molecular detection of mycobacteria in infected tissue. Specifically, we assessed: 1) tissue disruption procedures; 2) DNA extraction protocols; and 3) inhibition of bacterial PCR by host DNA. PRINCIPAL FINDINGS: Regarding DNA extraction, we found that 1) grinding was not necessary if bead-beating is done, 2) the reference mycobacterial DNA extraction method recovered more pure DNA than commercial spin column kits, 3) lysozyme digestion of 1 hour was sufficient, and 4) repeated steps of phenol:chloroform:isoamyl alcohol offered minimal gain in DNA quality. By artificially mixing mycobacterial DNA with DNA extracted from uninfected mice, we found that bacterial real-time quantitative PCR was only reliable when the quantity of host DNA was < 3 µg in a final volume of 25 µl and the quality was high (260/280 nm ratio = 1.89 ± 0.08). Findings from spiked DNA studies were confirmed using DNA extracted from mice infected with different intracellular pathogens (M. tuberculosis, M. avium subsp. paratuberculosis). CONCLUSIONS: Our findings point to the most appropriate methods for extracting DNA from tissue samples for the purpose of detecting and quantifying mycobacteria. These data also inform on the limits of detection for two mycobacterial species and indicate that increasing the sample mass to improve analytic sensitivity comes at the cost of inhibition of PCR by host DNA.
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 | 0,001 |
| 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 ».