One Health Spread of 16S Ribosomal RNA Methyltransferase-Harboring Gram-Negative Bacterial Genomes: An Overview of the Americas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aminoglycoside antimicrobials remain valuable therapeutic options, but their effectiveness has been threatened by the production of bacterial 16S ribosomal RNA methyltransferases (16S-RMTases). In this study, we evaluated the genomic epidemiology of 16S-RMTase genes among Gram-negative bacteria circulating in the American continent. A total of 4877 16S-RMTase sequences were identified mainly in Enterobacterales and nonfermenting Gram-negative bacilli isolated from humans, animals, foods, and the environment during 1931–2023. Most of the sequences identified were found in the United States, Brazil, Canada, and Mexico, and the prevalence of 16S-RMTase genes have increased in the last five years (2018–2022). The three species most frequently carrying 16S-RMTase genes were Acinetobacter baummannii, Klebsiella pneumoniae, and Escherichia coli. The armA gene was the most prevalent, but other 16S-RMTase genes (e.g., rmtB, rmtE, and rmtF) could be emerging backstage. More than 90% of 16S-RMTase sequences in the Americas were found in North American countries, and although the 16S-RMTase genes were less prevalent in Central and South American countries, these findings may be underestimations due to limited genomic data. Therefore, whole-genome sequence-based studies focusing on aminoglycoside resistance using a One Health approach in low- and middle-income countries should be encouraged.
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.
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 | 0,000 |
| 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 découle