Isolation and detection of Shiga toxin-producing Escherichia coli in clinical stool samples using conventional and molecular methods
Notice bibliographique
Résumé
The isolation of Shiga toxin-producing Escherichia coli (STEC) other than serogroup O157 from clinical stool samples is problematic due to the lack of differential phenotypic characteristics from non-pathogenic E. coli. The development of molecular reagents capable of identifying both toxin and serogroup-specific genetic determinants holds promise for a more comprehensive characterization of stool samples and isolation of STEC strains. In this study, 876 stool samples from paediatric patients with gastroenteritis were screened for STEC using a cytotoxicity assay, commercial immunoassay and a conventional PCR targeting Shiga-toxin determinants. In addition, routine culture methods for isolating O157 STEC were also performed. The screening assays identified 45 stools presumptively containing STEC, and using non-differential culture techniques a total of 20 O157 and 22 non-O157 strains were isolated. These included STEC serotypes O157 : H7, O26 : H11, O121 : H19, O26 : NM, O103 : H2, O111 : NM, O115 : H18, O121 : NM, O145 : NM, O177 : NM and O5 : NM. Notably, multiple STEC serotypes were isolated from two clinical stool samples (yielding O157 : H7 and O26 : H11, or O157 : H7 and O103 : H2 isolates). These data were compared to molecular serogroup profiles determined directly from the stool enrichment cultures using a LUX real-time PCR assay targeting the O157 fimbrial gene lpfA, a microsphere suspension array targeting allelic variants of espZ and a gnd-based molecular O-antigen serogrouping method. The genetic profile of individual stool cultures indicated that the espZ microsphere array and lpfA real-time PCR assay could accurately predict the presence and provide preliminary typing for the STEC strains present in clinical samples. The gnd-based molecular serogrouping method provided additional corroborative evidence of serogroup identities. This toolbox of molecular methods provided robust detection capabilities for STEC in clinical stool samples, including co-infection of multiple serogroups.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».