MétaCan
Menu
Retour à la cohorte
Enregistrement W3014666387 · doi:10.3389/fmicb.2020.00549

Systematic Evaluation of Whole Genome Sequence-Based Predictions of Salmonella Serotype and Antimicrobial Resistance

2020· article· en· W3014666387 sur OpenAlexafffundabout
Ashley Cooper, Andrew Low, Adam Koziol, Matthew C. Thomas, Daniel Leclair, Sandeep Tamber, Alex Wong, Burton W. Blais, Catherine D. Carrillo

Notice bibliographique

RevueFrontiers in Microbiology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensHealth CanadaEnvironment and Climate Change CanadaCarleton UniversityCanadian Food Inspection Agency
Organismes subventionnairesGovernment of Canada
Mots-clésSalmonella entericaBiologyAntibiotic resistanceGeneticsMultilocus sequence typingSalmonellaWhole genome sequencingSerotypeTypingResistomeGeneGenotypeComputational biologyGenomeMicrobiologyAntibioticsBacteriaIntegron

Résumé

récupéré en direct d'OpenAlex

Whole-genome sequencing (WGS) is used increasingly in public-health laboratories for typing and characterizing foodborne pathogens. To evaluate the performance of existing bioinformatic tools for in silico prediction of antimicrobial resistance (AMR) and serotypes of Salmonella enterica, WGS-based genotype predictions were compared with the results of traditional phenotyping assays. A total of 111 S. enterica isolates recovered from a Canadian baseline study on broiler chicken conducted in 2012-2013 were selected based on phenotypic resistance to 15 different antibiotics and isolates were subjected to WGS. Both SeqSero2 and SISTR accurately determined S. enterica serotypes, with full matches to laboratory results for 87.4 and 89.2% of isolates, respectively, and partial matches for the remaining isolates. Antimicrobial resistance genes (ARGs) were identified using several bioinformatics tools including the Comprehensive Antibiotic Resistance Database – Resistance Gene Identifier (CARD-RGI), Center for Genomic Epidemiology (CGE) ResFinder web tool, Short Read Sequence Typing for Bacterial Pathogens (SRST2 v 0.2.0), and k-mer alignment method (KMA v 1.17). All ARG identification tools had ≥99% accuracy for predicting resistance to all antibiotics tested except streptomycin (accuracy 94.6%). Evaluation of ARG detection in assembled versus raw-read WGS data found minimal observable differences that were gene- and coverage- dependent. Where initial phenotypic results indicated isolates were sensitive, yet ARGs were detected, repeat AMR testing corrected discrepancies. All tools failed to find resistance-determining genes for one gentamicin- and two streptomycin-resistant isolates. Further investigation found a single nucleotide polymorphism (SNP) in the nuoF coding region of one of the isolates which may be responsible for the observed streptomycin-resistant phenotype. Overall, WGS-based predictions of AMR and serotype were highly concordant with phenotype determination regardless of computational approach used.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,037
Tête enseignante GPT0,239
Écart entre enseignants0,201 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations102
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetSalmonella and Campylobacter epidemiologyTravaux en français237 207