Comparaison de techniques d’identification des Erwinia et des Pseudomonas responsables de la pourriture molle
Notice bibliographique
Résumé
Trois méthodes, soit la caractérisation physiologique, l'utilisation de systèmes miniaturisés d'identification (API 20E, API NFT et Biolog) et l'analyse du profil électrophorétique des protéines sécrétées, ont été expérimentées afin de déterminer une technique précise et rapide d'identification des Pseudomonas et des Erwinia responsables de la pourriture molle. L'analyse des patrons électrophorétiques des protéines sécrétées est une méthode très efficace pour identifier les différentes espèces pectinolytiques de Pseudomonas fluorescents. Le système Biolog reconnaît efficacement le P. marginalis et le P. viridiflava. Le système API NFT est efficace pour l'identification du P. marginalis, du P. viridiflava et du P. syringae. C'est le système API 20E qui s'est avéré le plus efficace pour l'identification des Erwinia. L'électrophorèse des protéines sécrétées et le système API NFT permettent une identification rapide et efficace des Pseudomonas, tandis que pour les Erwinia, seul le système API20E est performant.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».