Detection of fish pathogens with PCR-DGGE in non-lethal mucus samples and molecular typing of Aeromonas salmonicida using the 16s-23s internal transcribed spacers
Notice bibliographique
Résumé
This thesis is an investigation of the detection of 'Aeromonas salmonicida' using nested PCR-Denaturing Gradient Gel Electrophoresis (PCR-DGGE) in non-lethal fish mucus samples. The technique was compared to conventional non-lethal and lethal methods. 'A. salmonicida' was detected by all techniques. Detection of 'A. salmonicida' by DGGE was based on co-migrating bands and was verified by sequencing. The mean level of detection was highest with culture of mucus on Coomassie brilliant blue agar in the Chinook (71.67% ± 7.64) and PCR-DGGE (69.10 ± 1.29) for the coho salmon. Mucus based techniques had a statistically significant agreement for detection of 'A. salmonicida. Flavobacterium psychrophilum, F. branchiophilun' and 'Yersinia ruckeri' were not detected with PCR-DGGE. Bands often co-migrated to these pathogens, but their nucleotide sequences belonged to other bacteria. Seeding 'Y. ruckeri ' in mucus showed that PCR-DGGE could detect the pathogen. In an attempt to detect strain differences, the 16S-23S rRNA internal transcribed spacers of 'A. salmonicida' were fingerprinted using RFLP and DGGE. These techniques verify the clonal nature of the pathogen, but do show the capacity to differentiate various 'Aeromonas' spp.
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 | 0,001 |
| 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 | 0,000 | 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 ».