Analysis of a Uropathogenic <i>Escherichia coli</i> Clonal Group by Multilocus Sequence Typing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although many strain typing methods exist for pathogenic Escherichia coli, most have drawbacks in terms of resolving power, interpretability, or scalability. For this reason, multilocus sequence typing (MLST) is an appealing alternative. However, its applicability to different pathogens in specific epidemiologic contexts is not well understood. Here, we applied a previously established MLST method based on housekeeping genes to a well-characterized collection of uropathogenic E. coli isolates to compare the discriminatory ability of this procedure with that of enterobacterial repeat intergenic consensus (ERIC2) PCR, serogrouping, and pulsed-field gel electrophoresis (PFGE). Among 45 E. coli isolates studied, 17 different multilocus sequence types (ST) were identified. One MLST group (designated ST69 complex) was comprised of 22 isolates, all belonging to uropathogenic and bacteremic E. coli strains previously defined as clonal group A (CgA) by ERIC2 PCR. The ST69 strains contained five different serogroups and 14 PFGE types. ERIC2 PCR CgA strains belonging to different MLST groups were also identified. Interestingly, one cow E. coli isolate, previously shown by PFGE to be closely related to a human uropathogenic CgA strain, was found to cluster with the ST69 strains. All of the other animal and environmental CgA isolates had different MLST profiles. The discriminatory power of this MLST method based on housekeeping genes appears to be higher than that of ERIC2 PCR but lower than that of PFGE for epidemiologic study of uropathogenic E. coli.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 découle