Identification de composants de l'écosystème microbien des surfaces de production de viande porcine associés à Listeria monocytogenes
Notice bibliographique
Résumé
Listeria monocytogenes est responsable de la listériose, une toxi-infection alimentaire présentant un taux de mortalité élevé (20 à 30%) chez les populations à risque. Les produits de la filière porcine ont été incriminés à plusieurs reprises dans des éclosions de listériose. En transformation, la contamination des produits prêts-à-manger est d’une importance particulière puisque ces aliments sont consommés sans préparation subséquente. Le pathogène, par son caractère psychrophile et sa capacité à former des biofilms est en mesure de s’établir et de persister dans les environnements de production alimentaire. Il peut alors être transféré de niches environnementales vers les produits de viande. Cette contamination croisée est inhérente à l’introduction préalable de L. monocytogenes dans l’environnement de transformation. Il a été rapporté que les pièces de viande crue provenant des étapes en amont de la transformation constituent la principale voie d’entrée de L. monocytogenes en atelier de transformation. Dans la nature, les biofilms sont composés de plusieurs microorganismes dont l’identité et les interactions façonnent le développement des communautés microbiennes. Le microbiote d’accompagnement a été proposé comme facteur pouvant influencer la présence et la persistance de L. monocytogenes. Ainsi, la présente thèse a pour but d’identifier des déterminants bactériens présents dans le microbiote des surfaces en contact avec les produits de viande en salle de découpe en abattoir porcin associés à la présence ou à l’absence de L. monocytogenes. La caractérisation du microbiote ainsi que la détection de L. monocytogenes ont été réalisées en parallèle sur les échantillons de surfaces recueillis. Les analyses de diversité menées sur les résultats issus du séquençage de l’ARNr 16S ont révélé une hétérogénéité dans la répartition des genres bactériens sur ces surfaces en fonction des lignes de production ainsi qu’en fonction des différentes visites. La présence de déterminants microbiens a permis la construction de deux modèles prédictifs basés sur les forêts d’arbres décisionnels permettant, sur la base du microbiote de chaque échantillon, de prédire son appartenance à une visite (à 94%) et à une ligne de production (à 88%). L. monocytogenes a été retrouvée dans 12,24% des échantillons de surfaces de découpe récoltés. Une distribution non stochastique des isolats a été observée (sur trois des six lignes de production) suggérant une localisation préférentielle de L. monocytogenes en salle de découpe. La caractérisation des isolats a révélé une faible diversité génétique ainsi que la présence de plusieurs caractéristiques associées à une adaptation à l’environnement de production et à une atténuation de la virulence. L’outil statistique MaAsLin a permis d’identifier le taxon Veillonella comme déterminant bactérien de la présence de L. monocytogenes sur les surfaces de découpe. Il a pu être démontré par approche culturale, en laboratoire, que Veillonella dispar et Veillonella atypica augmentaient significativement la croissance et la survie de L. monocytogenes en cocultures planctoniques ainsi qu’en biofilms. Les résultats obtenus suggèrent que l’action de Veillonella serait médiée par des composés sécrétés ou rendus disponibles par la bactérie. Les résultats de la présente étude contribuent à une meilleure compréhension des patrons de contamination associés à L. monocytogenes en abattoir.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».