MétaCan
Menu
Retour à la cohorte
Enregistrement W3002914797 · doi:10.3390/pathogens9020081

Tools for Molecular Epidemiology of Streptococcus suis

2020· review· en· W3002914797 sur OpenAlexaff
Rujirat Hatrongjit, Nahuel Fittipaldi, Marcelo Gottschalk, Anusak Kerdsin

Notice bibliographique

RevuePathogens · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensPublic Health OntarioUniversity of TorontoUniversité de MontréalToronto Public Health
Organismes subventionnairesKasetsart University Research and Development InstituteKasetsart University
Mots-clésStreptococcus suisMultilocus sequence typingBiologyWhole genome sequencingDiseasePhylogenetic treeOutbreakMolecular epidemiologyIdentification (biology)Molecular diagnosticsTypingGeneticsPopulationComputational biologyGenomeMicrobiologyGenotypeVirologyGeneMedicineVirulenceEnvironmental healthPathologyEcology

Résumé

récupéré en direct d'OpenAlex

Diseases caused by Streptococcus suis are a significant economic and welfare concern in pigs as well as in humans. Several molecular methods have been applied to investigate S. suis strain diversity and identify phylogenetic groups. Multilocus sequence typing (MLST), commonly used to differentiate between S. suis strains, has been instrumental in identifying that the species is genetically highly diverse. Recent advances in whole-genome analysis have resulted in schemes permitting the classification of S. suis populations as pathogenic or non-pathogenic, or disease-associated or non-disease associated. Here, we review these and other molecular approaches that can be used for surveillance, outbreak tracking, preventative health management, effective treatment and control, as well as vaccine development, including PCR based-assays that are easy to apply in modest diagnostic settings and which allow for the rapid screening of a large number of isolates at relatively low cost, granting the identification of several major clonal complexes of the S. suis population.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,194
Tête enseignante GPT0,437
Écart entre enseignants0,242 · 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'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

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePathogensMême sujetStreptococcal Infections and TreatmentsTravaux en français237 207