magistrsko delo
Ivana Honsić (Avtor), Tadeja Matos (Recenzent), Eva Ružić-Sabljić (Mentor), Tjaša Cerar (Komentor)

Povzetek

Med glavne povzročiteljice endemske zoonoze v Sloveniji, lymske borelioze sodijo borelije znotraj kompleksa Borrelia burgdorferi sensu lato. Eno glavnih identifikacijskih metod borelij predstavlja metoda polimorfizma dolžin restrikcijskih fragmentov (MluI-LRFP), ki odlično tipizira borelije do nivoja vrst in podvrst, v ospredje identifikacijskih metod patogenov pa prihaja tudi metoda ionizacije v matriksu z desorpcijo z laserjem in masnim analizatorjem časa preleta ionov (MALDI-TOF). V magistrski nalogi, nas je zanimalo ali lahko tako z metodo MluI-LRFP kot z metodo MALDI-TOF uspešno identificiramo borelije lymske borelioze do nivoja vrste. Z metodo MluI-LRFP smo 93 borelijskih izolatov uspešno opredelili do nivoja vrste in za njih specifičnih podvrst, od katerih je 63,4 % izolatov predstavljajo Borrelia afzelii Mla1, 31,2 % Borrelia garinii Mlg2, 1,05 % Borrelia garinii Mlg4 in 1,05 % Borrelia garinii Mlg1 ter 2,1 % izolatov Borrelia burgdorferi sensu stricto Mlb2 in 1,05 % Borrelia burgdorferi sensu stricto Mlg8. Z metodo MALDI-TOF smo do nivoja vrste uspešno opredelili 90,3 % izolatov, katere smo predhodno tipizirali z metodo MluI-LRFP, 9,7 % izolatov pa smo identificirali le do rodu oz. jim nismo uspeli določiti nobenega identifikacijskega nivoja. Dognali smo, da lahko z obema metodama uspešno identificiramo borelije lymske borelioze do nivoja vrste, ob čemer MluI-LRFP metoda ostaja boljša izbira za razlikovanje znotraj vrst. Metodi smo primerjali in ovrednotili.

Ključne besede

Borrelia burgdorferi sensu lato;lymska borelioza;identifikacija;molekularne metode;MluI-LRFP;MALDI-TOF;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL MF - Medicinska fakulteta
Založnik: [I. Honsić]
UDK: 579.62:616.993-078
COBISS: 32524291 Povezava se bo odprla v novem oknu
Št. ogledov: 495
Št. prenosov: 110
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Identification of Borrelia burgdorferi sensu lato by MALDI-TOF
Sekundarni povzetek: The main causative agents of Slovenian endemic zoonozis Lyme boreliosis include borrelia within the Borrelia burgdorferi sensu lato complex. MluI-large restriction fragment patterns (MluI-LRFP) is one of the major identification methods that perfectly types borrelia up to species and subspecies level. Matrix-assisted laser desorption ionisation-time of flight identification method (MALDI-TOF) is also coming to the forefront as pathogen identification method. In our research work, we were interested in whether we can succesfully indetify borrelia up to species level with both the MluI-LRFP method and MALDI-TOF method. With MluI-LRFP method, 93 borrelia isolates were successfully identified to the species and subspecies level of which 63,4 % isolates represented Borrelia afzelii Mla1, 31,2 % Borrelia garinii Mlg2, 1,05 % Borrelia garinii Mlg4, 1,05 % Borrelia garinii Mlg1, 1,05 % Borrelia burgdorferi sensu stricto Mlg8 and 2,1 % Borrelia burgdorferi sensu stricto Mlg2. With the MALDI-TOF method, 90,3 % isolates were successfully identified to the species level, which was previously typed with the MluI-LRFP method. For the remaining 9,7 % isolates we determined only the level of genus or we failed to determine any identification. We found that with both methods we can successfully identify borrelia of lyme boreliosis up to species level, while the MluI-LRFP method remains the better choice for delineation within species. The methods were compared and evaluated.
Sekundarne ključne besede: Borrelia burgdorferi sensu lato;lyme boreliosis;identification;molecular methods;MluI-LRFP;MALDI-TOF;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 0
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Biotehniška fak., Študij mikrobiologije
Strani: XI, 60 f., [3] f. pril.
ID: 12025907