Transcriptional Response of Salmonella enterica to Bacteriophage Treatments with Differential Multiplicities of Infection
Notice bibliographique
Résumé
Salmonella enterica (S. enterica) is a causative agent of numerous foodborne outbreaks, as current industrial measures may be <90% effective. Therefore, bacteriophages have been suggested as an antimicrobial treatment against S. enterica, but it is currently unclear if there is an optimal bacteriophage multiplicity of infection (MOI) against S. enterica. Two bacteriophage cocktails at MOIs 1, 10, 100, 1000 and 10,000 were co-inoculated against four S. enterica strains (S. Enteritidis, S. Newport, S. Muenchen and S. Typhimurium), and populations were estimated on days 0–3. The transcriptional profiles of 20 genes previously indicated to be differentially expressed after bacteriophage treatment were studied by extracting RNA from all four S. enterica strains after bacteriophage SE14, SF5 and SF6 treatment on days 0, 1 and 3, and RT-qPCR was conducted to determine the expression of the 20 selected genes. The results showed that an MOI of 1000 was the most optimal in reducing S. Enteritidis populations to undetectable levels from day 0 to 3. The cas1 (SOS response) and mod (DNA modification and recombination) genes were highly upregulated between 2.5- and 5-fold on day 0 for S. Enteritidis S5-483 and S. Typhimurium S5-536 at MOIs of 1000 and 10,000. On day 3, hsdS (DNA modification and recombination) was upregulated by ~1-fold for S. enteritidis S5-483 after an MOI of 1000. Understanding an optimal bacteriophage MOI can be beneficial to implementing effective and optimal bacteriophage treatments in the industry. Knowledge of S. enterica’s transcriptional response after bacteriophage treatment provides further insight into how S. enterica can survive bacteriophage infection.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».