Mass-Spectrometric Detection of SARS-CoV-2 Virus in Scrapings of the Epithelium of the Nasopharynx of Infected Patients via Nucleocapsid N Protein
Notice bibliographique
Résumé
Abstract The detection of viral RNA by polymerase chain reaction (PCR) is currently the main diagnostic tool for COVID-19 (Eurosurveillance2019, 25 (3), 1). The PCR-based test, however, shows limited sensitivity, especially in the early and late stages of disease development (Nature2020, 581, 465−469; J. Formosan Med. Assoc.2020, 119 (6) 1123), and is relatively time-consuming. Fast and reliable complementary methods for detecting the viral infection would be of help in the current pandemic conditions. Mass spectrometry is one of such possibilities. We have developed a mass-spectrometry-based method for the detection of the SARS CoV-2 virus in nasopharynx epithelial swabs based on the detection of the viral nucleocapsid N protein. Our approach shows confident identification of the N protein in patient samples, even those with the lowest viral loads, and a much simpler preparation procedure. Our main protocol consists of virus inactivation by heating and the addition of isopropanol and tryptic digestion of the proteins sedimented from the swabs followed by MS analysis. A set of unique peptides, produced as a result of proteolysis of the nucleocapsid phosphoprotein of SARS-CoV-2, is detected. The obtained results can further be used to create fast parallel mass-spectrometric approaches for the detection of the virus in the nasopharyngeal mucosa, saliva, sputum and other physiological fluids.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».