Competition during enrichment of pathogenic <i>Escherichia coli</i> may result in culture bias
Notice bibliographique
Résumé
Deadly outbreaks and illnesses due to Shiga toxin-producing Escherichia coli (STEC) occur worldwide; however, the cultivation methods required for adequate monitoring and traceback investigations are inefficient at best. Detection of STEC relies heavily on enrichment; yet no standard media or protocols exist. Furthermore, whether enrichment may bias detection of multiple STEC serogroups from complex samples is unknown. Thus, 14 STEC strains of serogroups O157 and the top six non-O157s (O26, O45, O103, O111, O121, and O145) were enriched in pairs for 6–78 h in broth and evaluated by quantitative polymerase chain reaction (qPCR). Here we show that a conventional 6-h enrichment protocol did not result in intra-species culture bias for the isolates tested. However, subsequent enrichments often produced biased cultures, with differences in the qPCR gene copy number ≥2 log 10 apparent in 12%, 38%, and 52% of competitions after 30, 54, and 78 h of consecutive enrichments, respectively. Some strains were able to prevail and (or) out-compete the opponent strain in 100% of competitions. Our results suggest that culture bias should be considered and (or) evaluated further due to the potential implications during routine pathogen screening and outbreak investigations.
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 | 0,000 | 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 ».