Extraction of human noroviruses from leafy greens and fresh herbs using magnetic silica beads
Notice bibliographique
Résumé
Consumption of leafy greens and to a lesser extent fresh herbs has been associated with several foodborne outbreaks including human norovirus (HuNoV). However, the extraction and detection of viruses from these matrices present multiple challenges such as low recovery yields and relatively high PCR inhibition. A new magnetic silica bead based (MSB) extraction protocol was developed and used to recover norovirus from leafy greens and fresh herbs. The performance results were compared to the ISO 15216-1:2017 standard. The HuNoV GII.4 and GI.5 recovery yields from spiked lettuce using the MSB extraction protocol range from 33 to 82%. There was a good correlation between murine norovirus (MNV) and HuNoV recovery yields from fresh herbs and leafy greens. No reverse-transcriptase quantitative polymerase chain reaction (RT-qPCR) inhibition was detected from leafy green extracts using the MSB methodology. The selected commercial RT-qPCR detection kit had a major impact on RT-qPCR inhibition levels detected in the ISO 15216-1:2017 RNA extracts. RNase treatment was used to estimate genome recovery from HuNoV with intact capsids. This treatment resulted in similar HuNoV and MNV recovery yields. Between 2019 and 2020, the MSB protocol was used to conduct a survey of HuNoV in domestic and imported leafy greens and fresh herbs sold at retail in Canada. All of the 280 samples tested were negative. Overall, the use of MSB was shown to be an efficient approach to recover HuNoV from leafy greens and certain types of fresh herbs and to conduct surveys.
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) | 0,001 | 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 ».