MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415240050 · doi:10.3389/fmicb.2025.1669089

Towards decentralization of Salmonella serotyping and risk assessment in poultry production environments with nanopore sequencing

2025· article· en· W4415240050 sur OpenAlexafffundabout
Ruwani Karunarathna, Chao Chun Liu, Dhinesh Periyasamy, A. P. van den Berg, Musangu Ngeleka, Anatoliy Trokhymchuk

Notice bibliographique

RevueFrontiers in Microbiology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSalmonella and Campylobacter epidemiology
Établissements canadiensShared HealthSimon Fraser UniversityUniversity of Saskatchewan
Organismes subventionnairesMitacs
Mots-clésNanopore sequencingSerotypeWorkflowRisk assessmentRisk managementVirulence

Résumé

récupéré en direct d'OpenAlex

Salmonella enterica is a highly diverse group of organisms with over 2,500 serovars described to date. However, not all serovars are pathogenic to humans and animals. Many serovars typically cause self-limiting gastrointestinal infections, but certain host-adapted serovars, as well as those expressing specialized virulence factors (e.g., Vi capsule) have an increased potential to cause bacteremia and trigger systemic responses, necessitating immediate medical attention. Timely identification of Salmonella at the serovar level is, therefore, critical for informing risk assessments, guiding clinical decision-making and implementing effective strategies to prevent and control both environmental contamination and clinical infections. Yet, access to Salmonella serotyping services remains limited and unevenly distributed worldwide, causing substantial delays in responses to contamination and outbreaks, particularly in remote communities and under-resourced settings, Nanopore sequencing has emerged as a highly portable platform with a relatively low cost of entry that renders it an ideal technology to enable the widespread decentralization of Salmonella serotyping by sequencing. Here, we introduce a robust and accurate end-to-end laboratory workflow that utilizes long-read nanopore sequencing to generate Salmonella whole genome sequencing (WGS) data at a quality and depth sufficient for Salmonella risk assessment in routine diagnostic settings We validated our workflow against a panel of 16 serovars comprising 80 environmental isolates sampled from Canadian poultry farms, yielding 100% accuracy in serovar prediction. We showed that our workflow can obtain serotyping results and identify genetic risk factors within 24 h of bacterial isolation—a significant improvement over the typical 3 weeks turnaround in Canada. We additionally demonstrated the added benefits of WGS by annotating the draft genome assemblies generated from our laboratory workflow to identify virulence factors and antimicrobial resistance (AMR) determinants, leading to our discovery of previously uncharacterized genetic signatures putatively associated with Salmonella adaptation to avian environments, such as aerobactin biosynthesis genes. The genomic analyses presented herein have been packaged as an open-source, user-friendly sequence analysis pipeline that facilitates standardized, reproducible, scalable and portable analysis of Salmonella surface antigen markers and genetic risk factors associated with pathogenicity and AMR. Our protocol provides a comprehensive toolkit that empowers regional and local laboratories to independently conduct Salmonella risk assessments at scale—an essential step toward establishing real-time genomic surveillance and equitable access to contemporary diagnostic technologies.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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
GenreEmpirique

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

En bref

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Microbiology→Même sujetSalmonella and Campylobacter epidemiology→Travaux en français237 207→