Assessment of the 16S‐23S rDNA Intergenic Spacer Region in <i>Enterococcus</i> spp. for Microbial Source Tracking
Notice bibliographique
Résumé
A new library-based microbial source tracking (MST) approach intended for initial application in the coastal waters of Virginia was evaluated. Host-origin isolates of Enterococcus spp. were collected from beaches and the surrounding tidewater region of Virginia and used to construct a library based on the pattern of DNA band lengths produced by the amplification of the 16S-23S rDNA intergenic spacer (IGS) region, and subsequent digestion with MboI. Initial results from small host-origin libraries (64 and 200 total isolates) with discriminant analysis (DA) and logistic regression (LR) yielded high average rates of correct classification (ARCC) for a four-source classification split (birds, dogs, sewage, and wildlife), with ARCCs ranging from 83 to 100%. However, the poor results obtained when classification was attempted on a non-library validation set (VS, ARCCs of 47 and 48%, respectively, using DA and LR) demonstrated that a library of 200 isolates was insufficient to adequately represent the diversity of the enterococci in the sampled region. An increase in the library size to 1029 total isolates was accompanied by a reduction in the ARCC of the library to 42.7% with DA and 45.7% with LR, plus similarly poor results obtained from the VS. The low correct classification rates generated by the larger known-source library were unsuitable for field application. Many reported MST methods have been based on results obtained using small host-origin libraries without external validation. Our results indicate that such an approach can be very misleading, and that larger libraries and external validation is essential for the confirmation of preliminary results.
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 | 0,003 | 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 ».