Characterization of the interactions between mammary pathogenic Escherichia coli and bovine microbiome
Notice bibliographique
Résumé
La mammite bovine, l'une des maladies les plus fréquentes et coûteuses dans l'industrie laitière, génère une perte économique annuelle de 665 millions de dollars canadiens au Canada. L'Escherichia coli pathogène mammaire (ECPM) est l'un des principaux agents pathogènes de la maladie. Bien que l'hygiène des fermes se soit améliorée, prévenir la mammite à ECPM reste difficile. Les cas persistants de mammite clinique causés par ECPM sont traités par antibiotiques, mais des souches résistantes aux antimicrobiens ont été observées, posant des risques pour le bien-être animal et la durabilité de l'industrie laitière. Cette thèse explore l'interaction entre ECPM et le microbiome bovin à travers trois axes: une analyse génomique comparative des isolats ECPM afin d’identifier des marqueurs génotypiques, l'étude du microbiome du lait cru associé à E. coli en mammite clinique, et une étude de preuve de concept sur l'utilisation de CRISPR-Cas9 pour cibler des plasmides de résistance aux antimicrobiens (RAM) dans le microbiome bovin.L'analyse génomique des isolats ECPM issus de cas de mammites cliniques et des isolats environnementaux d'E. coli provenant de fermes a révélé que, bien que ces deux types d’isolats forment des clades distincts selon leurs types de séquences et antigènes H et O, ils ne se regroupent pas en fonction de la pathogénicité mammaire. Les gènes du système d'absorption du dicitrate ferrique (Fec), comme fecI, fecR, et fecA, étaient présents chez les ECPM mais seulement sous forme de gènes de coque dans les isolats environnementaux. Cela suggère que le système Fec donne un avantage compétitif à E. coli dans l'environnement appauvri en fer des glandes mammaires, ce qui pourrait en faire un marqueur diagnostique ou une cible thérapeutique pour la mammite à ECPM. Ensuite, nous avons analysé la composition du microbiome du lait cru de vaches Holstein en bonne santé et malades, en utilisant le séquençage du gène codant pour l’ARNr 16S et le séquençage métagénomique. L'infection par E. coli entraîne une perturbation du microbiome, réduisant sa diversité dans les quartiers malades, avec une récupération progressive après l'infection. Des genres tels que Staphylococcus et Aerococcus, ainsi que la famille des Oscillospiraceae, étaient plus abondants dans les quartiers sains. Des espèces comme S. auricularis, S. haemolyticus et A. urinaeequi possédaient des gènes capables de lutter contre E. coli, tels que ceux impliqués dans la production d'acide lactique et de bactériocines, suggérant qu'elles pourraient favoriser un microbiome protecteur sans induire d'inflammation. Enfin, nous avons testé un système CRISPR-Cas9 adapté pour cibler un plasmide de résistance aux antimicrobiens, le plasmide pDJBC01, portant des gènes de résistance au chloramphénicol et au céfotaxime (cat et blaCMY-2). Nous avons utilisé une souche d'E. coli commensale isolée de fecès de vaches Holstein saines, transformée avec un plasmide CRISPR-Cas9. Les essais in vitro ont montré que le système pouvait éliminer jusqu’à 95,82 % du plasmide cible. In vivo, chez des veaux Holstein colonisés par la souche réceptrice, les traitements avec le donneur CRISPR-Cas9 ont permis d’éliminer complètement le plasmide en 3 à 5 jours, comparativement aux groupes témoins. Cette preuve de concept démontre l'efficacité du système CRISPR-Cas9 dans l'élimination des plasmides RAM et son potentiel pour moduler le microbiome et prévenir la colonisation par E. coli. Les résultats de cette thèse offrent de nouvelles perspectives pour des stratégies diagnostiques, prophylactiques et thérapeutiques contre la mammite à E. coli, contribuant à la durabilité de l'industrie laitière canadienne. Dans une approche d’une seule santé, ce travail enrichit notre compréhension de la manière dont la modulation du microbiome peut réduire les infections à E. coli et la résistance aux antimicrobiens
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».