Detection of Staphylococcus aureus in milk samples using impedance spectroscopy and data processing with information visualization techniques and multidimensional calibration space.
Notice bibliographique
Résumé
Early diagnosis of cattle diseases such as mastitis caused by Staphylococcus aureus (S. aureus) can be made effective if on-site detection methods with portable instruments are available. In this work, we fabricated immunosensors based on a layer-by-layer (LbL) film of chitosan and carbon nanotubes coated with a layer of antibodies to detect S. aureus. Using electrical and electrochemical impedance spectroscopies, detection was possible in buffer solutions and in milk with limits of detection which could be as low as 2.6 CFU/mL for milk,sufficient to detect mastitis at early stages. This high sensitivity is ascribed to the specific interactions involving the antibodies, as demonstrated with polarization-modulated infrared reflection absorption spectroscopy (PMIRRAS). The selectivity of the immunosensor was verified by distinguishing S. aureus-containing samples from possible interferents found in milk, for which the interactive document mapping (IDMAP) was employed.Because the interferents affected the spectra, in spite of this distinguishability, we treated the data with a machine learning technique with decision tree models. A multidimensional calibration space was then obtained with rules that permit interpretability and predictability in detecting S. aureus in matrices with high variability as in milk.
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 | 0,001 |
| 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 ».