Development and optimization of a new method for direct extraction of SARS-CoV-2 RNA from municipal wastewater using magnetic beads
Notice bibliographique
Résumé
Abstract The use of magnetic beads in the extraction of nucleic acids from wastewater is presented as an approach to simplify extraction techniques for the detection of SARS-CoV-2 viral fragments in wastewater. In particular, this paper describes the development and optimization of a direct method for extracting SARS-CoV-2 RNA from municipal wastewater using magnetic beads. The recovery efficiency of the method using Accuplex SARS-CoV-2 Positive Reference Material (ASCV-2) was examined. Method factors assessed were sample volume, concentration of magnetic bead mix, elution temperature, and water matrix (deionized (DI) water and wastewater). The combination of optimized method parameters that resulted in the highest RNA recovery in both DI water (26.0 ± 0.8%) and wastewater (11.8 ± 1.4%) was a sample volume of 1.0 mL, a magnetic beads concentration of 100 µL mL -1 sample, and an elution temperature of 60 °C. The performance of this optimized method was further assessed in recovery experiments using wastewater samples spiked at 1.8×10 6 and 1.8×10 4 gene copies L -1 (GU L -1 ) with Gamma Inactivated SARS-COV-2 (GI-SCV-2) and 1.0×10 6 and 1.0×10 4 infectious units L -1 of Human Coronavirus 229E (HCV 229E) as viral surrogates. Recoveries of 86.1 and 4.6% were achieved for wastewater samples spiked with GI-SCV-2 at low and high concentrations, respectively. In assessing the effects of wastewater pre-filtration and addition of DL-Dithiothreitol (DTT, used to inactivate RNases that may degrade RNA) on recovery efficiency of ASCV-2, the magnetic bead-based extraction protocol performed optimally with unfiltered wastewater without DTT (recovery = 17.4 ± 0.4%). The method limit of detection (MLOD) for ASCV-2 recovered from pre-filtered wastewater was determined to be 4.6×10 4 GU L -1 (95% degree of confidence). Using this optimized magnetic bead-based extraction protocol, the presence of SARS-CoV-2 RNA was verified in wastewater collected from sewershed locations in Atlantic Canada. This emerging RNA extraction method is direct, rapid, and does not require the use of specialized equipment, thus offering advantageous application for laboratories with limited resources. As such, this method is an indispensable tool in the monitoring of wastewater for SARS-CoV-2 to potentially understand COVID-19 infection occurrence within communities and inform public health leaders. Graphical Abstract
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».