Genomic Profiling of Non-O157 Shiga Toxigenic <i>Escherichia coli</i> -Infecting Bacteriophages from South Africa
Notice bibliographique
Résumé
Background: Non-O157 Shiga toxigenic Escherichia coli (STEC) are one of the most important food and waterborne pathogens worldwide. Although bacteriophages (phages) have been used for the biocontrol of these pathogens, a comprehensive understanding of the genetic characteristics and lifestyle of potentially effective candidate phages is lacking. Materials and Methods: In this study, 10 non-O157-infecting phages previously isolated from feedlot cattle and dairy farms in the North-West province of South Africa were sequenced, and their genomes were analyzed. Results: Comparative genomics and proteomics revealed that the phages were closely related to other E. coli-infecting Tunaviruses, Seuratviruses, Carltongylesviruses, Tequatroviruses, and Mosigviruses from the National Center for Biotechnology Information GenBank database. Phages lacked integrases associated with a lysogenic cycle and genes associated with antibiotic resistance and Shiga toxins. Conclusions: Comparative genomic analysis identified a diversity of unique non-O157-infecting phages, which could be used to mitigate the abundance of various non-O157 STEC serogroups without safety concerns.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».