RNA detection with high specificity and sensitivity using nested fluorogenic Mango NASBA
Notice bibliographique
Résumé
There is a pressing need for nucleic acid-based assays that are capable of rapidly and reliably detecting pathogenic organisms. Many of the techniques available for the detection of pathogenic RNA possess one or more limiting factors that make the detection of low-copy RNA challenging. Although RT-PCR is the most commonly used method for detecting pathogen-related RNA, it requires expensive thermocycling equipment and is comparatively slow. Isothermal methods promise procedural simplicity but have traditionally suffered from amplification artifacts that tend to preclude easy identification of target nucleic acids. Recently, the isothermal SHERLOCK system overcame this problem by using CRISPR to distinguish amplified target sequences from artifactual background signal. However, this system comes at the cost of introducing considerable enzymatic complexity and a corresponding increase in total assay time. Therefore, simpler and less expensive strategies are highly desirable. Here, we demonstrate that by nesting NASBA primers and modifying the NASBA inner primers to encode an RNA Mango aptamer sequence we can dramatically increase the sensitivity of NASBA to 1.5 RNA molecules per microliter. As this isothermal nucleic acid detection scheme directly produces a fluorescent reporter, real-time detection is intrinsic to the assay. Nested Mango NASBA is highly specific and, in contrast to existing RNA detection systems, offers a cheap, simple, and specific way to rapidly detect single-molecule amounts of pathogenic RNA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».