Development and evaluation of ITS- and<i>aflP</i>-based LAMP assays for rapid detection of<i>Aspergillus flavus</i>in food samples
Notice bibliographique
Résumé
Aspergillus flavus is a common filamentous fungus that produces aflatoxins and presents a major threat to agriculture and human health. Previous studies focused mainly on the detection of A. flavus or aflatoxin separately. Here, we developed internal transcribed spacer (ITS)- and aflP-based rapid detection of A. flavus in food samples using the loop-mediated isothermal amplification (LAMP) method. The ITS1-5.8S-ITS2 rDNA region of A. flavus and the aflatoxin-encoding gene aflP were used as target regions. The detection limits of A. flavus and aflP were 10 fg and 1 pg pure DNA, respectively, which allows aflatoxin-contaminated samples to be differentiated from infected samples and reduces false-negative or false-positive results. For specificity testing, DNA extracted from 7 A. flavus, 5 different Aspergillus spp., and 21 other fungi were used, and our results showed that A. flavus strains are detected by ITS-based detection and aflatoxigenic A. flavus strains are detected by aflP-based detection. Furthermore, the ITS- and aflP-based LAMP assays were used for detection analysis of DNA from food samples artificially and naturally contaminated with A. flavus. Our results showed that the detection rate of A. flavus based on the multi-ITS-based LAMP detection is 100% and that the aflatoxigenic strains in all A. flavus are detected by the aflP-based LAMP assay. The LAMP protocol described in our study represents a rapid and highly specific and sensitive diagnostic method for A. flavus detection, which can be used as a diagnostic tool that simplifies A. flavus monitoring and guarantees the quality and safety of foods.
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 | 0,001 | 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 ».