In Situ Processing and Efficient Environmental Detection (iSPEED) of tree pests and pathogens using point-of-use real-time PCR
Notice bibliographique
Résumé
Global trade and climate change are responsible for a surge in foreign invasive species and emerging pests and pathogens across the world. Early detection and surveillance activities are essential to monitor the environment and prevent or mitigate future ecosystem impacts. Molecular diagnostics by DNA testing has become an integral part of this process. However, for environmental applications, there is a need for cost-effective and efficient point-of-use DNA testing to obtain accurate results from remote sites in real-time. This requires the development of simple and fast sample processing and DNA extraction, room-temperature stable reagents and a portable instrument. We developed a point-of-use real-time Polymerase Chain Reaction system using a crude buffer-based DNA extraction protocol and lyophilized, pre-made, reactions for on-site applications. We demonstrate the use of this approach with pathogens and pests covering a broad spectrum of known undesirable forest enemies: the fungi Sphaerulina musiva, Cronartium ribicola and Cronartium comandrae, the oomycete Phytophthora ramorum and the insect Lymantria dispar. We obtained positive DNA identification from a variety of different tissues, including infected leaves, pathogen spores, or insect legs and antenna. The assays were accurate and yielded no false positive nor negative. The shelf-life of the lyophilized reactions was confirmed after one year at room temperature. Finally, successful tests conducted with portable thermocyclers and disposable instruments demonstrate the suitability of the method, named in Situ Processing and Efficient Environmental Detection (iSPEED), for field testing. This kit fits in a backpack and can be carried to remote locations for accurate and rapid detection of pests and pathogens.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».