Genetic biosensors to measure the activity of toxigenic cyanobacteria: towards a new standardized method to forecast harmful algal blooms
Notice bibliographique
Résumé
Efficient and proactive management of public health risk associated with cyanobacterial harmful blooms requires appropriate tools that can generate rapid and informative data on the proliferation of toxigenic cyanobacteria in freshwater environments. The present pilot study aimed at assessing the suitability of a new biosensor to follow the population dynamics of toxigenic genera Microcystis, Planktothrix, Aphanizomenon and Dolichospermum to rapidly assess the toxic risk associated with their occurrence. The genetic biosensor is adapted into a simple ELISA-type colorimetric format that has been designed to recognize and quantify ribosomal RNA to rapidly detect a population entering a growing phase. Five different reference lakes in Canada, Switzerland and Luxembourg were selected to conduct temporal series in addition to depth profiles and spatial investigations. Biosensor measurements were compared with (in situ) algal pigment screening, taxonomic analyses as well as microcystin quantification using both standard LC-MS workflows and rapid in situ strip tests. Preliminary results demonstrated a high sensitivity of the biosensor to detect the onset of blooms. The proof-of-concept will provide insights for the use of the biosensor to track toxigenic cyanobacteria and establish risk categories. A conceptual model is presented to implement this new tool into future monitoring programs and early warning systems as a complement to conventional microscopy and toxin analyses.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».