MétaCan
Menu
Retour à la cohorte
Enregistrement W2791955918 · doi:10.3390/vetsci5010019

Impact of RNA Degradation on Viral Diagnosis: An Understated but Essential Step for the Successful Establishment of a Diagnosis Network

2018· article· en· W2791955918 sur OpenAlexaff
Damarys Relova, Liliam Ríos, Ana María Acevedo, Liani Coronado, Carmen Laura Perera, Lester J. Pérez

Notice bibliographique

RevueVeterinary Sciences · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueViral gastroenteritis research and epidemiology
Établissements canadiensDalhousie UniversityUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRNAVirusVirologyBiologyComputational biologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

The current global conditions, which include intensive globalization, climate changes, and viral evolution among other factors, have led to an increased emergence of viruses and new viral diseases; RNA viruses are key drivers of this evolution. Laboratory networks that are linked to central reference laboratories are required to conduct both active and passive environmental surveillance of this complicated global viral environment. These tasks require a continuous exchange of strains or field samples between different diagnostic laboratories. The shipment of these samples on dry ice represents both a biological hazard and a general health risk. Moreover, the requirement to ship on dry ice could be hampered by high costs, particularly in underdeveloped countries or regions located far from each other. To solve these issues, the shipment of RNA isolated from viral suspensions or directly from field samples could be a useful way to share viral genetic material. However, extracted RNA stored in aqueous solutions, even at -70 °C, is highly prone to degradation. The current study evaluated different RNA storage conditions for safety and feasibility for future use in molecular diagnostics. The in vitro RNA-transcripts obtained from an inactivated highly pathogenic avian influenza (HPAI) H5N1 virus was used as a model. The role of secondary structures in the protection of the RNA was also explored. Of the conditions evaluated, the dry pellet matrix was best able to protect viral RNA under extreme storage conditions. This method is safe, cost-effective and assures the integrity of RNA samples for reliable molecular diagnosis. This study aligns with the globally significant "Global One Health" paradigm, especially with respect to the diagnosis of emerging diseases that require confirmation by reference laboratories.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,403
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary SciencesMême sujetViral gastroenteritis research and epidemiologyTravaux en français237 207