Environmental DNA metabarcoding to detect pathogenic Leptospira and associated organisms in leptospirosis-endemic areas of Japan
Notice bibliographique
Résumé
Leptospires, which cause the zoonotic disease leptospirosis, persist in soil and aqueous environments. Several factors, including rainfall, the presence of reservoir animals, and various abiotic and biotic components interact to influence leptospiral survival, persistence, and pathogenicity in the environment. However, how these factors modulate the risk of infection is poorly understood. Here we developed an approach using environmental DNA (eDNA) metabarcoding for detecting the microbiome, vertebrates, and pathogenic Leptospira in aquatic samples. Specifically, we combined 4 sets of primers to generate PCR products for high-throughput sequencing of multiple amplicons through next-generation sequencing. Using our method to analyze the eDNA of leptospirosis-endemic areas in northern Okinawa, Japan, we found that the microbiota in each river shifted over time. Operating taxonomic units corresponding to pathogenic L. alstonii, L. kmetyi, and L. interrogans were detected in association with 12 nonpathogenic bacterial species. In addition, the frequencies of 11 of these species correlated with the amount of rainfall. Furthermore, 10 vertebrate species, including Sus scrofa, Pteropus dasymallus, and Cynops ensicauda, showed high correlation with leptospiral eDNA detection. Our eDNA metabarcoding method is a powerful tool for understanding the environmental phase of Leptospira and predicting human infection risk.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».