MétaCan
Menu
Retour à la cohorte
Enregistrement W2305920654 · doi:10.1093/femsec/fiw052

Aquaculture changes the profile of antibiotic resistance and mobile genetic element associated genes in Baltic Sea sediments

2016· article· en· W2305920654 sur OpenAlexaff
Windi Muziasari, Katariina Pärnänen, Timothy A. Johnson, Christina Lyra, Antti Karkman, Robert D. Stedtfeld, Manu Tamminen, James M. Tiedje, Marko Virta

Notice bibliographique

RevueFEMS Microbiology Ecology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensMcMaster University
Organismes subventionnairesCollege of Engineering, Michigan State UniversityMaj ja Tor Nesslingin SäätiöAcademy of FinlandMichigan State University
Mots-clésResistomeBiologyMobile genetic elementsAquacultureEcologyBiotechnologyMicrobiologyGenePlasmidGeneticsFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Antibiotics are commonly used in aquaculture and they can change the environmental resistome by increasing antibiotic resistance genes (ARGs). Sediment samples were collected from two fish farms located in the Northern Baltic Sea, Finland, and from a site outside the farms (control). The sediment resistome was assessed by using a highly parallel qPCR array containing 295 primer sets to detect ARGs, mobile genetic elements and the 16S rRNA gene. The fish farm resistomes were enriched in transposon and integron associated genes and in ARGs encoding resistance to antibiotics which had been used to treat fish at the farms. Aminoglycoside resistance genes were also enriched in the farm sediments despite the farms not having used aminoglycosides. In contrast, the total relative abundance values of ARGs were higher in the control sediment resistome and they were mainly genes encoding efflux pumps followed by beta-lactam resistance genes, which are found intrinsically in many bacteria. This suggests that there is a natural Baltic sediment resistome. The resistome associated with fish farms can be from native ARGs enriched by antibiotic use at the farms and/or from ARGs and mobile elements that have been introduced by fish farming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations206
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology EcologyMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207