Genomic Mapping of Brazilian Escherichia coli: Characterizing Shiga Toxin-Producing, Enteropathogenic, and Diffusely Adherent Strains Using an In Silico Approach
Notice bibliographique
Résumé
Background: Diarrheagenic Escherichia coli (DEC) remains relevant to public health and agri-food chains. The context in Brazil, as a major food producer and exporter, reinforces the need for genomic surveillance. Objective: We aimed to characterize Brazilian diffusely adhering (DAEC), enteropathogenic (EPEC), and Shiga toxin-producing E. coli (STEC) sequences in silico across O-serogroups, in addition to sequence-type (ST), virulence, resistome, and phylogenomic relationships. Methodology: We retrieved 973 genomes assigned to Brazil from NCBI Pathogen Detection Database and performed virtual-PCR screening for key DEC-genes. We then typed O-serogroups (ABRicate/EcOH), Multi-Locus Sequencing Type (MLST), virulome (Ecoli_VF), resistome (ResFinder), and characterized stx genes. Results: DEC represented 18.7% of genomes, driven primarily by EPEC. In EPEC, the eae β-1 subtype was most common; we detected, for the first time in Brazilian sequences, ξ-eae subtype and ST583/ST301. Seventy-eight percent of DAEC isolates were multidrug-resistant (MDR), and two ST were newly reported in the country (ST2141/ST500). In STEC, O157 formed a largely susceptible clade with uniform eae γ-1, whereas 57% of non-O157 were MDR. New STs (ST32/ST1804) were observed, and three genomes were closely related to international isolates. Conclusions: Despite the low DEC representation in the dataset, new STs and eae subtypes were detected in Brazil. Also, MDR in DAEC and non-O157 STEC reinforces the need for antimicrobial-resistance genomic surveillance.
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) | 0,000 | 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 ».