Dynamics of fecal microbial communities in children with diarrhea of unknown etiology and genomic analysis of associated Streptococcus lutetiensis
Notice bibliographique
Résumé
BACKGROUND: The sequences of the 16S rRNA genes extracted from fecal samples provide insights into the dynamics of fecal microflora. This potentially gives valuable etiological information for patients whose conditions have been ascribed to unknown pathogens, which cannot be accomplished using routine culture methods. We studied 33 children with diarrhea who were admitted to the Children's Hospital in Shanxi Province during 2006. RESULTS: Nineteen of 33 children with diarrhea could not be etiologically diagnosed by routine culture and polymerase chain reaction methods. Eleven of 19 children with diarrhea of unknown etiology had Streptococcus as the most dominant fecal bacterial genus at admission. Eight of nine children whom three consecutive fecal samples were collected had Streptococcus as the dominant fecal bacterial genus, including three in the Streptococcus bovis group and three Streptococcus sp., which was reduced during and after recovery. We isolated strains that were possibly from the S. bovis group from feces sampled at admission, which were then identified as Streptococcus lutetiensis from one child and Streptococcus gallolyticus subsp. pasteurianus from two children. We sequenced the genome of S. lutetiensis and identified five antibiotic islands, two pathogenicity islands, and five unique genomic islands. The identified virulence genes included hemolytic toxin cylZ of Streptococcus agalactiae and sortase associated with colonization of pathogenic streptococci. CONCLUSIONS: We identified S. lutetiensis and S. gallolyticus subsp. pasteurianus from children with diarrhea of unknown etiology, and found pathogenic islands and virulence genes in the genome of S. lutetiensis.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».