PCR Primers for Screening Food for Verotoxin-Producing Escherichia coli, Inclusive of Three vt1 and Seven vt2 Subtypes
Notice bibliographique
Résumé
ABSTRACT: Verotoxin-producing Escherichia coli (VTEC; also known as Shiga toxin-producing E. coli) is a significant cause of foodborne illnesses around the world. Due to the serological and genomic diversity of VTEC, methods of detection for VTEC in food samples require detection of verotoxin or its gene vt (also known as stx). The current taxonomy of vt identifies three vt1 (a, c, d) and seven vt2 (a to g) subtypes. PCR detection of vt is convenient and rapid, but protocols may not detect all currently identified variants or subtypes of vt. The Health Canada Compendium of Analytical Methods protocol for the analysis of food for VTEC is MFLP-52. MFLP-52 includes a VT Screening PCR that is used to determine the presumptive presence of VTEC by the detection of vt in food enrichments and to differentiate VTEC from other isolates. The VT Screening PCR was developed prior to the establishment of the current vt taxonomy. An evaluation of VT Screening PCR for detection of the 10 established vt subtypes was performed, and it was discovered that the method could not detect subtypes vt1d and vt2f. Additional primers and a modified protocol were developed, and the modified VT Screening PCR was tested against an inclusivity panel of 50 VTEC strains, including representatives of 10 vt subtypes, and an exclusivity panel of 30 vt-negative E. coli from various sources, to ensure specificity. The reliability of MFLP-52 with the modified VT Screening PCR was assessed by analysis of four priority food matrices (ground beef, lettuce, cheese, and apple cider) inoculated with a VTEC strain at 2 to 5 CFU/25 g. The modified VT Screening PCR was determined to be able to detect all 10 vt subtypes and reliably detect the presence of VTEC in all tested food enrichments.
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 | 0,001 |
| 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) | 0,000 | 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 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 ».