Evaluation of Fourier transform infrared spectroscopy for the rapid identification of glycopeptide-intermediate Staphylococcus aureus
Notice bibliographique
Résumé
OBJECTIVES: To evaluate Fourier transform infrared (FTIR) spectroscopy as a rapid method for distinguishing glycopeptide-intermediate Staphylococcus aureus (GISA) from glycopeptide-susceptible methicillin-resistant S. aureus (MRSA) and to compare three data analysis methods. METHODS: First-derivative normalized spectra of dried films of bacterial growth on Que-Bact Universal Medium No. 2 were examined by singular value decomposition to identify key spectral regions. Region selection was analysed by principal component analysis (PCA), self-organizing maps (SOMs) and the K-nearest neighbour (KNN) algorithm. The initial data set included 35 GISA (including GISA Mu50 and heterogeneous GISA Mu3) and 25 epidemic MRSA. The regions were then tested using enlarged data sets that included 22 sporadic and 85 additional epidemic MRSA. RESULTS: Epidemic MRSA and GISA/hGISA were separated into two distinct clusters on the basis of spectral data from regions 1352-1315 and 1480-1460 cm(-1), the former providing 100% correct classification by all three analyses and the latter providing 96.67% correct by PCA, 98.34% by SOM and 100% by KNN. The 1480-1460 cm(-1) region was more effective for distinguishing GISA/hGISA from a set combining sporadic and epidemic MRSA, with two GISA/hGISA and four sporadic MRSA misclassified by PCA and SOM (92.69% correct), while the KNN method misclassified three of the four sporadic MRSA (93.90% correct). The addition of 85 other epidemic MRSA this set increased the fraction of correctly classified isolates to 96.41% and 97.01% by PCA, SOM and KNN, respectively. CONCLUSIONS: As only 6 of 167 isolates were misclassified, FTIR spectroscopy may provide means of rapid and accurate identification of GISA and hGISA among isolates of MRSA.
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 | 0,004 | 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 ».