Molecular Markers Reveal Epidemiological Patterns and Evolutionary Histories of the Human Pathogenic Cryptococcus
Notice bibliographique
Résumé
The human pathogenic Cryptococcus species are the main agents of fungal meningitis in humans and the causes of other diseases collectively called cryptococcosis. There are at least eight evolutionary divergent lineages among these agents, with different lineages showing different geographic and/or ecological distributions. In this review, we describe the main strain typing methods that have been used to analyze the human pathogenic Cryptococcus and discuss how molecular markers derived from the various strain typing methods have impacted our understanding of not only cryptococcal epidemiology but also its evolutionary histories. These methods include serotyping, multilocus enzyme electrophoresis, electrophoretic karyotyping, random amplified polymorphic DNA, restriction fragment length polymorphism, PCR-fingerprinting, amplified fragment length polymorphism, multilocus microsatellite typing, single locus and multilocus sequence typing, matrix-assisted laser desorption/ionization time of flight mass spectrometry, and whole genome sequencing. The major findings and the advantages and disadvantages of each method are discussed. Together, while controversies remain, these strain typing methods have helped reveal (i) the broad phylogenetic pattern among these agents, (ii) the centers of origins for several lineages and their dispersal patterns, (iii) the distributions of genetic variation among geographic regions and ecological niches, (iv) recent hybridization among several lineages, and (v) specific mutations during infections within individual patients. However, significant challenges remain. Multilocus sequence typing and whole genome sequencing are emerging as the gold standards for continued strain typing and epidemiological investigations of cryptococcosis.
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) | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».