Coronavirus surveillance in Congo basin wildlife detects RNA of multiple species circulating in bats and rodents
Notice bibliographique
Résumé
Abstract Coronaviruses play an important role as pathogens of humans and animals, and the emergence of epidemics like SARS, MERS and COVID-19 is closely linked to zoonotic transmission events primarily from wild animals. Bats have been found to be an important source of coronaviruses with some of them having the potential to infect humans, with other animals serving as intermediate or alternate hosts or reservoirs. Host diversity may be an important contributor to viral diversity and thus the potential for zoonotic events. To date, limited research has been done in Africa on this topic, in particular in the Congo Basin despite frequent contact between humans and wildlife in this region. We sampled and, using consensus coronavirus PCR-primers, tested 3,561 wild animals for coronavirus RNA. The focus was on bats (38%), rodents (38%), and primates (23%) that posed an elevated risk for contact with people, and we found coronavirus RNA in 121 animals, of which all but two were bats. Depending on the taxonomic family, bats were significantly more likely to be coronavirus RNA-positive when sampled either in the wet ( Pteropodidae and Rhinolophidae ) or dry season ( Hipposideridae, Miniopteridae, Molossidae , and Vespertilionidae ). The detected RNA sequences correspond to 15 Alpha- and 6 Beta-coronaviruses, with some of them being very similar (>95% nucleotide identities) to known coronaviruses and others being more unique and potentially representing novel viruses. In seven of the bats, we detected RNA most closely related to sequences of the human common cold coronaviruses 229E or NL63 (>80% nucleotide identities). The findings highlight the potential for coronavirus spillover, especially in regions with a high diversity of bats and close human contact, and reinforces the need for ongoing surveillance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».