Rapid and multiplex detection of Legionella's RNA using digital microfluidics
Notice bibliographique
Résumé
Despite recent advances in the miniaturization and automation of biosensors, technologies for on-site monitoring of environmental water are still at an early stage of development. Prevention of outbreaks caused by pathogens such as Legionella pneumophila would be facilitated by the development of sensitive and specific bioanalytical assays that can be easily integrated in miniaturized fluidic handling systems. In this work, we report on the integration of an amplification-free assay in digital microfluidics (DMF) for the detection of Legionella bacteria based on targeting 16s rRNA. We first review the design of the developed DMF devices, which provide the capability to store up to one hundred nL-size droplets simultaneously, and discuss the challenges involved with on-chip integration of the RNA-based assay. By optimizing the various steps of the assay, including magnetic capture, hybridization duration, washing steps, and assay temperature, a limit of detection as low as 1.8 attomoles of synthetic 16s rRNA was obtained, which compares advantageously to other amplification-free detection systems. Finally, we demonstrate the specificity of the developed assay by performing multiplex detection of 16s rRNAs from a pathogenic and a non-pathogenic species of Legionella. We believe the developed DMF devices combined with the proposed detection system offers new prospects for the deployment of rapid and cost-effective technologies for on-site monitoring of pathogenic bacteria.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».