Evaluation of Matrix-Assisted Laser Desorption Ionization Time-of-Flight Mass Spectrometry and ClinPro Tools as a Rapid Tool for Typing Streptococcus pyogenes
Notice bibliographique
Résumé
Abstract Background Timely strain typing of group A Streptococci (GAS) is necessary to guide outbreak recognition and investigation. We evaluated the use of (matrix-assisted laser desorption ionization time-of-flight mass spectrometry) combined with cluster analysis software to rapidly distinguish between related and unrelated GAS isolates in real-time. Methods We developed and validated a typing model using 177 GAS isolates with known emm types. The typing model was created using 43 isolates, which included 8 different emm types, and then validated using 134 GAS isolates of known emm types that were not included in model generation. Results Twelve spectra were generated from each isolate during validation. The overall accuracy of the model was 74% at a cutoff value of 80%. The model performed well with emm types 4, 59, and 74 but showed poor accuracy for emm types 1, 3, 12, 28, and 101. To evaluate the ability of this tool to perform typing in an outbreak situation, we evaluated a virtual outbreak model using a “virtual outbreak strain; emm74” compared with a non-outbreak group or an “outgroup “ of other emm types. External validation of this model showed an accuracy of 91.4%. Conclusions This approach has the potential to provide meaningful information that can be used in real time to identify and manage GAS outbreaks. Choosing isolates characterized by whole genome sequencing rather than emm typing for model generation should improve the accuracy of this approach in rapidly identifying related and unrelated GAS strains.
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) | 0,001 | 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 ».