Genomically Informed Custom Selective Enrichment of Shiga Toxigenic Escherichia coli (STEC) Outbreak Strains in Foods Using Antibiotics
Notice bibliographique
Résumé
Shiga toxigenic Escherichia coli (STEC) have been implicated in major foodborne outbreaks worldwide. The STEC family of pathogens is biochemically diverse, and current microbiological methods for detecting STEC are limited by the lack of a universal selective enrichment approach and prone to interference by high levels of background microbiota associated with certain types of foods. A novel approach has been developed for the recovery of foodborne illness outbreak strains during outbreak investigations based on the analysis of whole genome sequence data of implicated clinical isolates to determine antimicrobial resistance (AMR) genes. The presence of certain AMR genes in STEC has been correlated with the ability to grow in the presence of a specific antibiotic, which can be used to supplement enrichment broths to improve the recovery of a target strain. The enhanced recovery of STEC strains with different AMR profiles from various food types (beef, sprouts, leafy greens, and raw milk cheese) containing high levels of background microbiota was demonstrated using AMR predictions for nine different antibiotics. This genomically informed custom selective enrichment approach increases the availability of analytical options and improves the reliability of food microbiological analyses in confirming food vehicles implicated in outbreak events and defining the scope of product contamination to support risk assessment and risk management actions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».