Application of next generation sequencing for detection of protozoan pathogens in shellfish
Notice bibliographique
Résumé
Food and waterborne protozoan pathogens can cause serious disease in people. Three common species Cryptosporidium parvum, Giardia enterica and Toxoplasma gondii can contaminate diverse shellfish species, including commercial oysters. Current methods of protozoan detection in shellfish are not standardized, and few are able to simultaneously identify multiple species. Here, we present a novel metabarcoding assay targeting the 18S rRNA gene followed by next generation sequencing (NGS) for simultaneous detection of Cryptosporidium spp., Giardia spp. and T. gondii spiked into oyster samples. We further developed a bioinformatic pipeline to process and analyze 18S rRNA data for protozoa classification. The ability of the NGS assay to detect protozoa was later compared with conventional PCR. Results demonstrated that background amplification of oyster and other eukaryotic DNA competed with that of protozoa for obtained sequence reads. Sequences of target protozoans were obtained across all spiking levels; however, low numbers of target sequences in negative controls imply that a threshold for true positives must be defined for assay interpretation. While this study focused on three target parasites, the ability of this approach to detect numerous known and potentially unknown protozoan pathogens make it a promising screening tool for monitoring protozoan contamination in food and water.
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 | 0,000 |
| 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 ».