MétaCan
Menu
Retour à la cohorte
Enregistrement W2754117488 · doi:10.5006/c2017-09420

Molecular MIC Diagnoses from ATP Field Test: Streamlined Workflow from Field to 16S rRNA Gene Metagenomics Results

2017· article· en· W2754117488 sur OpenAlexaff
Marc Demeter, Shawna Johnston, Kim Dockens, Raymond J. Turner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMetagenomicsWorkflow16S ribosomal RNAComputational biologyRibosomal RNABiologyGeneComputer scienceGeneticsDatabase

Résumé

récupéré en direct d'OpenAlex

Abstract Microbiologically influenced corrosion (MIC) describes the negative impacts of microbial growth within various industries. While culture based growth tests are the traditional means of assessing MIC, they are not accurate. New culture-independent assays have been developed; one of which is the adenosine triphosphate (ATP) assay. This field assay allows for indirect enumeration of microorganisms; however, it does not divulge which microorganisms are present. Molecular methods such as 16S metagenomics (16S rRNA gene sequencing and data interpretation) are often used for characterizing the microbial populations; however, it has not been widely adopted due to prohibitive costs and complex workflows that are not feasible in the field. Microbial communities are highly sensitive to changes in their environment, and change in composition as a result of sample storage, transport, and handling, ultimately diminishing the quality of the knowledge gained from sequencing the community. Recently, the presence of microbial DNA in physical elements (filter and filtrate) of the ATP assay were found, suggesting the ATP assay itself may be used to acquire DNA for metagenomic analyses in the field. The ability to bundle the ATP MIC diagnostic assay with DNA acquisition for metagenomics would reduce the cost and labor intensity of DNA extraction, and alleviate complex sample storage and handling logistics that together may substantially improve resultant molecular assay accuracy and accessibility to the industry.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,011

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 GPT0,280
Écart entre enseignants0,269 · 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'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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207