MALDI-TOF MS Profiling and Its Contribution to Mosquito-Borne Diseases: A Systematic Review
Notice bibliographique
Résumé
Mosquito-borne diseases are responsible for hundreds of thousands of deaths per year. The identification and control of the vectors that transmit pathogens to humans are crucial for disease prevention and management. Currently, morphological classification and molecular analyses via DNA barcoding are the standard methods used for vector identification. However, these approaches have several limitations. In the last decade, matrix-assisted laser desorption/ionization-time-of-flight mass spectrometry (MALDI-TOF MS) profiling has emerged as an innovative technology in biological sciences and is now considered as a relevant tool for the identification of pathogens and arthropods. Beyond species identification, this tool is also valuable for determining various life traits of arthropod vectors. The purpose of the present systematic review was to highlight the contribution of MALDI-TOF MS to the surveillance and control of mosquito-borne diseases. Published articles from January 2003 to August 2024 were retrieved, focusing on different aspects of mosquito life traits that could be determinants in disease transmission and vector management. The screening of the scientific literature resulted in the selection of 54 published articles that assessed MALDI-TOF MS profiling to study various mosquito biological factors, such species identification, life expectancy, gender, trophic preferences, microbiota, and insecticide resistance. Although a large majority of the selected articles focused on species identification, the present review shows that MALDI-TOF MS profiling is promising for rapidly identifying various mosquito life traits, with high-throughput capacity, reliability, and low cost. The strengths and weaknesses of this proteomic tool for vector control and surveillance are discussed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».