Multi-Target Strategy for Pan/Foot-and-Mouth Disease Virus (FMDV) Detection: A Combination of Sequences Analysis, in Silico Predictions and Laboratory Diagnostic Evaluation
Notice bibliographique
Résumé
Foot-and-mouth disease (FMD) is a highly contagious viral disease affecting cloven-hoofed animals that causes severe economic losses. The disease is characterized by a vesicular condition and it cannot be differentiated from other vesicular diseases. Therefore, laboratory confirmation of any suspected FMD case is compulsory. Despite viral isolation in cell cultures has been considered for many years as the gold standard for FMD diagnosis, the advantages of real-time reverse transcription polymerase chain reaction (rRT-PCR) technology have motivated its use directly in clinical specimens for FMD diagnosis. The current work was aimed to develop and validate a molecular multi-check strategy using rRT-PCR (mMulti-rRT-PCR) based on SYBR-Green I for pan/foot-and-mouth disease virus (pan/FMDV) diagnosis. From in-silico approaches, different primer pairs previously reported were selected and modified to reduce the likelihood of viral escape as well as potential failures in the pan/FMDV detection. The analytical parameters were evaluated using a high number of representative viral strains. The repeatability of the assay and its performance on field samples were also assessed. The mMulti-rRT-PCR was able to detect emergent FMDV strains that circulated in South America between the years 2006-2010 and on which the single rRT-PCRs failed when they were applied independently. The results obtained here showed that the proposed system is an accurate and rapid diagnosis method for sensitive and specific detection of FMDV. Thus, a validated mMulti-rRT-PCR assay based on SYBR-Green I detection coupled to melting curves resolution for pan/FMDV diagnosis on clinical samples is proposed. This study also highlights the need to incorporate the multi-target detection principle in the diagnosis of highly variable agents, specially, of those listed by OIE like FMDV.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».