MétaCan
Menu
Retour à la cohorte
Enregistrement W2989810596 · doi:10.3390/v11121105

Yersinia Phages and Food Safety

2019· review· en· W2989810596 sur OpenAlexaff
Carlos G. Leon-Velarde, Jin Woo Jun, Mikael Skurnik

Notice bibliographique

RevueViruses · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueYersinia bacterium, plague, ectoparasites research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesJane ja Aatos Erkon SäätiöAcademy of FinlandHelsingin Yliopisto
Mots-clésYersinia enterocoliticaYersiniaYersiniosisBiologyReactive arthritisMicrobiologyPathogenic bacteriaBacteriaFood safetyEnterobacteriaceaeFood scienceEscherichia coliArthritisImmunology

Résumé

récupéré en direct d'OpenAlex

One of the human- and animal-pathogenic species in genus Yersinia is Yersinia enterocolitica, a food-borne zoonotic pathogen that causes enteric infections, mesenteric lymphadenitis, and sometimes sequelae such as reactive arthritis and erythema nodosum. Y. enterocolitica is able to proliferate at 4 °C, making it dangerous if contaminated food products are stored under refrigeration. The most common source of Y. enterocolitica is raw pork meat. Microbiological detection of the bacteria from food products is hampered by its slow growth rate as other bacteria overgrow it. Bacteriophages can be exploited in several ways to increase food safety with regards to contamination by Y. enterocolitica. For example, Yersinia phages could be useful in keeping the contamination of food products under control, or, alternatively, the specificity of the phages could be exploited in developing rapid and sensitive diagnostic tools for the identification of the bacteria in food products. In this review, we will discuss the present state of the research on these topics.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,086
Tête enseignante GPT0,379
Écart entre enseignants0,293 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVirusesMême sujetYersinia bacterium, plague, ectoparasites researchTravaux en français237 207