Genomic approaches to characterizing and reducing antimicrobial resistance in beef cattle production systems
Notice bibliographique
Résumé
Antimicrobial resistance (AMR) is a global health threat, and a standstill in the discovery and design of new antibiotics has been linked to the growing number of human deaths attributed to AMR infections. Intensive beef production utilizes antimicrobials to promote health and growth efficiency. To understand the magnitude and risk of AMR in beef production, it is important to assess the prevalence and diversity of antimicrobial resistant genes (ARGs) within microbial populations. Antimicrobial resistant bacteria are traditionally identified by isolation and growth in the presence of selective antibiotics. Whole-genome, metagenomic, and RNA sequencing provide new avenues to detect and identify novel ARGs in both culturable and unculturable bacterial communities. Some of these approaches place ARGs within the context of mobile genetic elements, gauging their likelihood of transfer across genomes. Genomics can also mitigate AMR, contributing to rational drug design or the development of alternatives to antimicrobials such as vaccines and probiotics. RNA-seq-based transcriptomics and Tn-seq may provide new ways to examine mechanisms that promote or prevent AMR. Finally, clustered regularly interspaced short palindromic repeats (CRISPR) – Cas gene editing could directly reduce AMR by killing AMR-resistant bacteria without harming beneficial bacteria. Together, these technologies may provide new opportunities to identify, quantify, and mitigate AMR while developing alternatives to antimicrobials for beef production.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».