Molecular Method for Detection of Total Coliforms in Drinking Water Samples
Notice bibliographique
Résumé
This work demonstrates the ability of a bacterial concentration and recovery procedure combined with three different PCR assays targeting the lacZ, wecG, and 16S rRNA genes, respectively, to detect the presence of total coliforms in 100-ml samples of potable water (presence/absence test). PCR assays were first compared to the culture-based Colilert and MI agar methods to determine their ability to detect 147 coliform strains representing 76 species of Enterobacteriaceae encountered in fecal and environmental settings. Results showed that 86 (58.5%) and 109 (74.1%) strains yielded a positive signal with Colilert and MI agar methods, respectively, whereas the lacZ, wecG, and 16S rRNA PCR assays detected 133 (90.5%), 111 (75.5%), and 146 (99.3%) of the 147 total coliform strains tested. These assays were then assessed by testing 122 well water samples collected in the Québec City region of Canada. Results showed that 97 (79.5%) of the samples tested by culture-based methods and 95 (77.9%), 82 (67.2%), and 98 (80.3%) of samples tested using PCR-based methods contained total coliforms, respectively. Consequently, despite the high genetic variability of the total coliform group, this study demonstrated that it is possible to use molecular assays to detect total coliforms in potable water: the 16S rRNA molecular assay was shown to be as efficient as recommended culture-based methods. This assay might be used in combination with an Escherichia coli molecular assay to assess drinking water quality.
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 ».