Porcine reproductive and respiratory syndrome virus whole-genome sequencing efficacy with field clinical samples using a poly(A)-tail viral genome purification method
Notice bibliographique
Résumé
The genomic surveillance of porcine reproductive and respiratory syndrome virus (PRRSV) is based on sequencing of the ORF5 gene of the virus, which covers only 4% of the entire viral genome. It is expected that PRRSV whole-genome sequencing (WGS) will improve PRRSV genomic data and allow better understanding of clinical discrepancies observed in the field when using ORF5 sequencing. Our main objective was to implement an efficient method for WGS of PRRSV from clinical samples. The viral genome was purified using a poly(A)-tail viral genome purification method and sequenced using Illumina technology. We tested 149 PRRSV-positive samples: 80 sera, 33 lungs, 33 pools of tissues, 2 oral fluids, and 1 processing fluid (i.e., castration liquid). Overall, WGS of 67.1% of PRRSV-positive cases was successful. The viral load, in particular for tissues, had a major impact on the PRRSV WGS success rate. Serum was the most efficient type of sample to conduct PRRSV WGS poly(A)-tail assays, with a success rate of 76.3%, and this result can be explained by improved sequencing reads dispersion matching throughout the entire viral genome. WGS was unsuccessful for all pools of tissue and lung samples with Cq values > 26.5, whereas it could still be successful with sera at Cq ≤ 34.1. Evaluation of results of highly qualified personnel confirmed that laboratory skills could affect PRRSV WGS efficiency. Oral fluid samples seem very promising and merit further investigation because, with only 2 samples of low viral load (Cq = 28.8, 32.8), PRRSV WGS was successful.
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 | 0,001 | 0,003 |
| 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 ».