Cultivation-free and sequencing-free protocol for the simultaneous detection and typing of Serratia marcescens: a rapid and cost-effective tool for large environmental/clinical screenings
Notice bibliographique
Résumé
Serratia marcescens is an opportunistic pathogen able to cause severe and lethal infections.The bacterium is able to survive in inhospitable environments (e.g.soap dispenser) and to rapidly spread among patients, causing large outbreaks, in particular in Neonates Care Intensive Units (NICUs).Recent genomic studies revealed that most S. marcescens nosocomial infections are caused by a specific clinical-associated clone.The timely detection of this clone in environmental or clinical samples can drastically increase the efficiency of hospital surveillance programs.At the state of the art, Whole Genome Sequencing (WGS)-based typing is the only portable method able to identify this clinical-associated clone, but it requires days to obtain results.Here we present a cultivation-free Hypervariable-Locus Melting Typing (HLMT) protocol for the fast simultaneous detection and typing of S. marcescens, which can be performed using a common qPCR real-time instrument, in ~5 hours with a cost of ~5 dollars.The protocol showed 100% detection capability on mixed DNA samples, with a limit of detection of 10 genome copies.The typing capability was evaluated on a large dataset of isolates (n = 230) comparing WGS and HLMT typing results.The protocol was able to classify 85% isolates with a specificity of 0.96 and sensitivity of 0.97.Lastly, the portability among laboratories of the method has been assessed.This cultivation-free HLMT protocol is a cost and time saving method for S. marcescens detection and typing, suitable for large environmental/clinical surveillance screenings, also in low-middle income countries.
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 | 0,001 | 0,004 |
| 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) | 0,000 | 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 ».