Optimization of Droplet Digital PCR from RNA and DNA extracts with direct comparison to RT-qPCR: Clinical implications for quantification of Oseltamivir-resistant subpopulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The recent introduction of Droplet Digital PCR (ddPCR) has provided researchers with a tool that permits direct quantification of nucleic acids from a wide range of samples with increased precision and sensitivity versus RT-qPCR. The sample interdependence of RT-qPCR stemming from the measurement of Cq and ΔCq values is eliminated with ddPCR which provides an independent measure of the absolute nucleic acid concentration for each sample without standard curves thereby reducing inter-well and inter-plate variability. Well-characterized RNA purified from H275-wild type (WT) and H275Y-point mutated (MUT) neuraminidase of influenza A (H1N1) pandemic 2009 virus was used to demonstrate a ddPCR optimization workflow to assure robust data for downstream analysis. The ddPCR reaction mix was also tested with RT-qPCR and gave excellent reaction efficiency (between 90% and 100%) with the optimized MUT/WT duplexed assay thus enabling the direct comparison of the two platforms from the same reaction mix and thermal cycling protocol. ddPCR gave a marked improvement in sensitivity (>30-fold) for mutation abundance using a mixture of purified MUT and WT RNA and increased precision (>10 fold, p<0.05 for both inter- and intra-assay variability) versus RT-qPCR from patient samples to accurately identify residual mutant viral population during recovery.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle