Detection and speciation of Arcobacter bacteria using Raman spectroscopy
Notice bibliographique
Résumé
Rabid and accurate identification of Arcobacter species is of great importance because these bacteria have been considered as emerging foodborne pathogens and potential zoonotic agents. Raman spectroscopy has the ability to differentiate bacteria based upon Raman scattering spectral features of bacterial whole cells, which is fast, reagentless, and easy to perform. Thus, we aimed to detect and discriminate Arcobacter at the species level using confocal micro-Raman spectroscopy (785 nm) coupled with chemometric analysis. A total of 82 isolates of 18 Arcobacter species from clinical, environmental and agri-food sources in both Canada and Germany were included. The genus Arcobacter could be successfully differentiated from closely related genera Campylobacter and Helicobacter using Raman spectroscopy via a principal component analysis model. We also determined that bacterial cultivation time and temperature did not significantly influence the spectral reproducibility and the discrimination capability of Raman spectroscopy. For the identification of Arcobacter to the species level, an overall accuracy of 94.13% was achieved for all 18 Arcobacter species by using Raman spectroscopy in combination with machine learning using a convolutional neural network. Furthermore, a back-propagation neural network was constructed to determine the actual ratio of a specific Arcobacter species in a bacterial mixture ranging from 5% to 100% by biomass with an accuracy of over 99%. Finally, Raman spectroscopy showed the ability to detect trace level (10°-10¹ CFU/mL) of Arcobacter from food sample (i.e., milk) after enrichment. The knowledge received from this study can be applied to further investigate the epidemiology of Arcobacter in the food chain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».