MétaCan
Menu
Retour à la cohorte
Enregistrement W3022803855 · doi:10.1101/2020.04.29.20075747

Development and validation of direct RT-LAMP for SARS-CoV-2

2020· preprint· en· W3022803855 sur OpenAlexafffund
Abu Naser Mohon, Jana Hundt, Guido van Marle, Kanti Pabbaraju, Byron M. Berenger, Thomas P. Griener, Luiz F. Lisboa, Deirdre L. Church, Markus Czub, Alexander L. Greninger, Keith R. Jerome, Cody Doolan, Dylan R. Pillai

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensCalgary Laboratory ServicesProvincial Laboratory of Public HealthUniversity of Calgary
Organismes subventionnairesGenome CanadaM.J. Murdock Charitable Trust
Mots-clésReverse transcriptaseDetection limitVirologyRecombinant DNAMolecular biologyGeneReal-time polymerase chain reactionRNA extractionBiologyRNAReverse transcription polymerase chain reactionChemistryChromatographyMessenger RNAGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract We have developed a reverse-transcriptase loop mediated amplification (RT-LAMP) method targeting genes encoding the Spike (S) protein and RNA-dependent RNA polymerase (RdRP) of SARS-CoV-2. The LAMP assay achieves comparable limit of detection as commonly used RT-PCR protocols based on artificial targets, recombinant Sindbis virus, and clinical samples. Clinical validation of single-target (S gene) LAMP (N=120) showed a positive percent agreement (PPA) of 41/42 (97.62%) and negative percent agreement (NPA) of 77/78 (98.72%) compared to reference RT-PCR. Dual-target RT-LAMP (S and RdRP gene) achieved a PPA of 44/48 (91.97%) and NPA 72/72 (100%) when including discrepant samples. The assay can be performed without a formal extraction procedure, with lyophilized reagents which do need cold chain, and is amenable to point-of-care application with visual detection.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,263
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations26
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetBiosensors and Analytical DetectionTravaux en français237 207