MétaCan
Menu
Retour à la cohorte
Enregistrement W2732329906 · doi:10.5539/jfr.v6n4p134

A Simple Gold Nanoprobe Assay for the Identification of Staphylococcus Aureus, Listeria Monocytogenes and Salmonella Enteritidis in Food Specimens

2017· article· en· W2732329906 sur OpenAlexvenueno aff
Dimitra Houhoula, Ekatherina Charvalos, Spyros J. Konteles, Stamatis Koussissis, Vladimiros Lougovois, Joseph Papaparaskevas

Notice bibliographique

RevueJournal of Food Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésListeria monocytogenesSalmonellaStaphylococcus aureusSalmonella enteritidisBiologyMicrobiologyPathogenListeriaPolymerase chain reactionNanoprobegenomic DNAVirologyDNAGeneBacteriaGeneticsFluorescence

Résumé

récupéré en direct d'OpenAlex

In the present study, we developed a gold nanoprobe assay, which relies on the colorimetric differentiation of specific DNA sequences, based on different aggregation profiles. We evaluated the assay on DNA extracted from pathogen cultures and from contaminated food specimens. The targets used were the femA gene for the identification of Staphylococcus aureus, the hly gene of the Listeria monocytogenes listeriolysin and the invA sequence for Salmonella spp. Comparison was performed with the reference assay, as described in the respective ISO guidelines for each pathogen, and a direct PCR amplification and detection. The minimum detection limit of the assay was defined at 123 fg/μL DNA, for all species, lower than PCR detection. Specificity was 100%. Sensitivity was 100%, as compared το the reference method, whereas the sensitivity of PCR was 93.3%. The evaluated assay could be used as a sensitive screening method, which does not require major infrastructure, for the detection and identification of pathogens in food specimens. In addition, it can accommodate detection of multiplespecies,thus allowing multiplexingand expedite turnaround time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,204

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,087
Tête enseignante GPT0,347
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetBiosensors and Analytical DetectionTravaux en français237 207