MétaCan
Menu
Retour à la cohorte
Enregistrement W4298145797 · doi:10.1186/s12866-022-02650-7

Choice of DNA extraction method affects detection of bacterial taxa from retail chicken breast

2022· article· en· W4298145797 sur OpenAlexafffund
Annika Flint, Anna Laidlaw, Leo Li, Courtney Raitt, Mary Rao, Ashley Cooper, Kelly Weedmark, Catherine D. Carrillo, Sandeep Tamber

Notice bibliographique

RevueBMC Microbiology · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensCanadian Food Inspection AgencyHealth Canada
Organismes subventionnairesGovernment of Canada
Mots-clésBiologyAmpliconDNA extraction16S ribosomal RNAMetagenomicsPolymerase chain reactionAmplicon sequencingDNADNA sequencingMicrobiomeComputational biologyBacteriaGeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sequence-based methods for the detection of bacteria such as 16S rRNA amplicon sequencing and metagenomics can provide a comprehensive view of the bacterial microbiome of food. These methods rely on the detection of gene sequences to indicate the presence of viable bacteria. This indirect form of detection can be prone to experimental artefacts. Sample handling and processing are key sources of variation that require standard approaches. Extracting sufficient quantities of high quality DNA from food matrices is challenging because target bacterial species are usually minor components of the microbiota and foods contain an array of compounds that are inhibitory to downstream DNA applications. Here, three DNA extraction methods are compared for their ability to extract high quality bacterial DNA from retail chicken breast rinses, with or without enrichment. Method performance was assessed by comparing ease of use, DNA yield, DNA quality, PCR amplicon yield, and the detection of bacterial taxa by 16S rRNA amplicon sequencing. RESULTS: All three DNA extraction methods yielded DNA of sufficient quantity and quality to perform quantitative PCR and 16S rRNA amplicon sequencing. The extraction methods differed in ease of use, with the two commercial kits (PowerFood, PowerSoil) offering considerable time and cost savings over a hybrid method that used laboratory reagents for lysis and commercial column based kits for further purification. Bacterial richness as determined by 16S rRNA amplicon sequencing was similar across the three DNA extraction methods. However, differences were noted in the relative abundance of bacterial taxa, with significantly higher abundance of Gram-positive genera detected in the DNA samples prepared using the PowerFood DNA extraction kit. CONCLUSION: The choice of DNA extraction method can affect the detection of bacterial taxa by 16S rRNA amplicon sequencing in chicken meat rinses. Investigators should be aware of this procedural bias and select methods that are fit for the purposes of their investigation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,258
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC MicrobiologyMême sujetSalmonella and Campylobacter epidemiologyTravaux en français237 207