Optimization of Droplet Digital PCR from RNA and DNA extracts with direct comparison to RT-qPCR: Clinical implications for quantification of Oseltamivir-resistant subpopulations
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.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».