MétaCan
Menu
Retour à la cohorte
Enregistrement W4399901153 · doi:10.1101/2024.06.20.599855

Micro-plaque assays: A high-throughput method to detect, isolate, and characterize bacteriophages

2024· preprint· en· W4399901153 sur OpenAlexaff
Gayatri Nair, Alejandra Chávez-Carbajal, Rachelle Di Tullio, Shawn French, Dhanyasri Maddiboina, Hanjeong Harvey, Sara Dizzell, Eric D. Brown, Zeinab Hosseinidoust, Michael G. Surette, Lori L. Burrows, Alexander P. Hynes

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésThroughputComputational biologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The gold standard for the isolation and characterization of bacteriophages (phages), the plaque assay, has remained almost unchanged for over 100 years. The need for improvements to its scalability has been driven home by successes with personalized phage therapy requiring large phage libraries and rapid sensitivity testing. Using a robotic pinning platform, we miniaturized plaque assays from bacterial lawns to micro-colonies from 100 nl of inoculant, increasing throughput by >1000 fold without compromising sensitivity. A comparable manual workflow with one quarter the throughput maintained the same sensitivity. These micro-plaque assays can replace plaque assays as a new gold standard in phage biology. As proof of principle, we used our technique to isolate and de-replicate 21 unique Pseudomonas aeruginosa phages from a single environmental sample. We then demonstrated – using the same assay - that of 17 multi-drug resistant clinical P. aeruginosa strains, 15 were susceptible to infection by one or more of the 21 phages tested. Our method allows rapid isolation and de-replication of phages, as well as enabling screening of large phage libraries against bacterial isolates of interest.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetBacteriophages and microbial interactionsTravaux en français237 207