The Trade-Off Between Sanitizer Resistance and Virulence Genes: Genomic Insights into E. coli Adaptation
Notice bibliographique
Résumé
Background: Escherichia coli is one of the most studied bacteria worldwide due to its genetic plasticity. Recently, in addition to characterizing its pathogenic potential, research has focused on understanding its resistance profile to inhibitory agents, whether these be antibiotics or sanitizers. Objectives: The present study aimed to investigate six of the main serogroups of foodborne infection (O26, O45, O103, O111, O121, and O157) and to understand the dynamics of heterogeneity in resistance to sanitizers derived from quaternary ammonium compounds (QACs) and peracetic acid (PAA) using whole-genome sequencing (WGS). Methods: Twenty-four E. coli strains with varied resistance profiles to QACs and PAA were analyzed by WGS using NovaSeq6000 (150 bp Paired End reads). Bioinformatic analyses included genome assembly (Shovill), annotation via Prokka, antimicrobial resistance gene identification using Abricate, and core-genome analysis using Roary. A multifactorial multiple correspondence analysis (MCA) was conducted to explore gene–sanitizer relationships. In addition, a large-scale analysis utilizing the NCBI Pathogen Detection database involved a 2 × 2 chi-square test to examine associations between the presence of qac and stx genes. Results: The isolates exhibited varying antimicrobial resistance profiles, with O45 and O157 being the most resistant serogroups. In addition, the qac gene was identified in only one strain (S22), while four other strains carried the stx gene. Through multifactorial multiple correspondence analysis, the results obtained indicated that strains harboring genes encoding Shiga toxin (stx) presented profiles that were more likely to be sensitive to QACs. To further confirm these results, we analyzed 393,216 E. coli genomes from the NCBI Pathogen Detection database. Our results revealed a significant association (p < 0.001) between the presence of qac genes and the absence of stx1, stx2, or both toxin genes. Conclusion: Our findings highlight the complexity of bacterial resistance mechanisms and suggest that non-pathogenic strains may exhibit greater tolerance to QAC sanitizer than those carrying pathogenicity genes, particularly Shiga toxin genes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».