Caractérisation de deux nouvelles espèces Arcobacter, A. lanthierij et A. septicus.
Bibliographic record
Abstract
La systématique microbienne permet la classification des bactéries en associant celles-ci à un \ngenre et une espèce. La caractérisation et l'identification de nouvelles espèces bactériennes sont \nd'une grande importance clinique puisqu'elles permettent d'observer le rôle par rapport aux risques à \nla santé humaine et animale, mais aussi d'évaluer les traitements possibles si celles-ci causent des \ninfections ou des maladies. Cette tâche peut devenir difficile lorsque l'espèce provient d'un milieu \nextrême ou encore pour des bactéries fastidieuses dans leurs exigences de croissance. Il n'existe pas \nune analyse directe afin d'identifier une nouvelle espèce bactérienne et donc une approche \npolyphasique est nécessaire (Prakash et al., 2007, Vandamme et al., 1992b). Ce type d'approche \npermet d'obtenir des résultats d'une panoplie d'analyses différentes permettant alors une vue \nd'ensemble de la taxonomie de la bactérie. \nIl existe plusieurs communautés bactériennes capables de survivre dans les eaux de surface \nainsi que dans la matière fécale humaine et animale. Certaines bactéries font normalement partie de \nla flore intestinale de certains animaux et de l'humain, comme E. coli. Cependant, lorsqu'une bactérie \npathogène s'introduit, alors celle-ci peut causer des infections et des maladies. La contamination \nfécale des eaux de surface se fait par le ruissellement des matières fécales animales lors de fortes \npluies et donc une simple ingestion lors d'une baignade peut causer une infection chez l'humain. La \nrivière Nation sud (RNS) située en Ontario (Canada) est un bassin versant avec plus de 60% \nd'activités agricoles et elle est donc un lieu idéal pour faire une étude sur l'effet de la contamination \nbactérienne provenant de l'agriculture sur les eaux de surface. Le genre bactérien observé dans cette \nétude est Arcobacter. Ce genre est retrouvé dans les eaux de surface et aussi chez les animaux de \nferme, sauvages et domestiques. Des échantillonnages d'eaux de surface de la RNS ainsi que de \ndiverses matières fécales dans les environs de la RNS ont permis d'évaluer la prévalence \nd'Arcobacter dans cette région. En ce sens, une collection d'isolats Arcobacter fut établie à partir \nd'échantillons provenant de ce bassin et conservés à AAC. \nL'hypothèse principale de ce mémoire est que de nouvelles espèces du genre Arcobacter se \nretrouvent dans la collection d'isolats fécaux d'AAC. L'objectif a été de caractériser ces espèces à \nl'aide de l'approche polyphasique visant la caractérisation morphologique, phénotypique et génétique. \nDeux nouvelles espèces Arcobacter ont été découvertes dans cette collection. Le séquençage de \nI'ARNr 168 et des gènes cpn60, rpoB et gyrB ainsi que le séquençage du génome ont été faits chez \nces deux espèces. Des tests biochimiques, enzymatiques et de tolérance ont permis d'évaluer les \nconditions de croissance des bactéries. Pour compléter, le développement de méthodes moléculaires \n \na permis l'identification de ces nouvelles espèces. Les noms proposés pour ces deux nouvelles \nespèces sont Arcobacter /anthierii et Arcobacter septicus.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".