MétaCan
Menu
Retour à la cohorte
Enregistrement W3133625359 · doi:10.3389/fvets.2020.564791

An Integrated Molecular Approach to Untangling Host–Vector–Pathogen Interactions in Mosquitoes (Diptera: Culicidae) From Sylvan Communities in Mexico

2021· article· en· W3133625359 sur OpenAlexafffund
Luis M. Hernández‐Triana, Javier A. Garza‐Hernández, Aldo Iván Ortega Morales, Sean W. J. Prosser, Paul D. N. Hebert, Nadya Nikolova, Elsa Barrero, Erick de Jesús de Luna-Santillana, Vicente Homero González-Álvarez, Ramón Méndez‐López, Rahuel J. Chan-Chablé, Anthony R. Fooks, Mario A. Rodríguez‐Pérez

Notice bibliographique

RevueFrontiers in Veterinary Science · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanada First Research Excellence FundDepartment for Environment, Food and Rural Affairs, UK GovernmentScottish GovernmentConsejo Nacional de Ciencia y TecnologíaSecretaría de Educación PúblicaHorizon 2020 Framework ProgrammeClemson University
Mots-clésBiologyDNA barcodingAedes albopictusVector (molecular biology)ZoologyAedesArbovirusBlood mealChikungunyaHost (biology)OutbreakDengue virusVirologyVirusDengue feverAedes aegyptiAnophelesDNA sequencingEcologyGeneGeneticsLarvaMalaria

Résumé

récupéré en direct d'OpenAlex

There are ~240 species of Culicidae in Mexico, of which some are vectors of arthropod-borne viruses such as Zika virus, dengue virus, chikungunya virus, and West Nile virus. Thus, the identification of mosquito feeding preferences is paramount to understanding of vector–host–pathogen interactions that, in turn, can aid the control of disease outbreaks. Typically, DNA and RNA are extracted separately for animal (insects and blood meal hosts) and viral identification, but this study demonstrates that multiple organisms can be analyzed from a single RNA extract. For the first time, residual DNA present in standard RNA extracts was analyzed by DNA barcoding in concert with Sanger and next-generation sequencing (NGS) to identify both the mosquito species and the source of their meals in blood-fed females caught in seven sylvan communities in Chiapas State, Mexico. While mosquito molecular identification involved standard barcoding methods, the sensitivity of blood meal identification was maximized by employing short primers with NGS. In total, we collected 1,634 specimens belonging to 14 genera, 25 subgenera, and 61 morphospecies of mosquitoes. Of these, four species were new records for Mexico ( Aedes guatemala, Ae. insolitus, Limatus asulleptus, Trichoprosopon pallidiventer ), and nine were new records for Chiapas State. DNA barcode sequences for >300 bp of the COI gene were obtained from 291 specimens, whereas 130 bp sequences were recovered from another 179 specimens. High intraspecific divergence values (>2%) suggesting cryptic species complexes were observed in nine taxa: Anopheles eiseni (5.39%), An. pseudopunctipennis (2.79%), Ae. podographicus (4.05%), Culex eastor (4.88%), Cx. erraticus (2.28%), Toxorhynchites haemorrhoidalis (4.30%), Tr. pallidiventer (4.95%), Wyeomyia adelpha/Wy. guatemala (7.30%), and Wy. pseudopecten (4.04%). The study increased the number of mosquito species known from 128 species to 138 species for Chiapas State, and 239 for Mexico as a whole. Blood meal analysis showed that Aedes angustivittatus fed on ducks and chicken, whereas Psorophora albipes fed on humans. Culex quinquefasciatus fed on diverse hosts including chicken, human, turkey, and Mexican grackle. No arbovirus RNA was detected by reverse transcriptase–polymerase chain reaction in the surveyed specimens. This study demonstrated, for the first time, that residual DNA present in RNA blood meal extracts can be used to identify host vectors, highlighting the important role of molecular approaches in both vector identification and revealing host–vector–pathogen interactions.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
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)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,297
Écart entre enseignants0,276 · 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'étudeObservationnel
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

Citations22
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetMosquito-borne diseases and controlTravaux en français237 207