Efficient SARS-CoV-2 detection in unextracted oro-nasopharyngeal specimens by rRT-PCR with the Seegene Allplex™ 2019-nCoV assay
Notice bibliographique
Résumé
Abstract Background The fight against the COVID-19 pandemic has created an urgent need to rapidly detect infected people. The challenge for clinical laboratories has been finding a high throughput, cost-efficient, and accurate testing method in the context of extraction reagents shortage on a global scale. To answer this need, we studied SARS-CoV-2 detection in oro-nasopharyngeal (ONP) swabs stored in Universal Transport Media (UTM) or in RNase-free water by rRT-PCR with Seegene Allplex™ 2019-nCoV assay without RNA extraction. Results Optimal results were obtained when swabs stored in UTM were diluted 1/5 and 1/2 in RNase-free water. Thermal lysis before rRT-PCR testing slightly improved detection rate. In addition, proteinase K (PK) treatment allowed for a significant reduction of invalid results and increased sensitivity for detection of low viral load specimens. In a panel of positive samples with all 3 viral genes amplified and N gene Cycle threshold values (C t values) from 15 to 40, our detection rate was 98.9% with PK and 94.4% without. In a challenging panel of low positive samples with only the N gene being detectable at C t values > 30, detection rate was increased from 53.3 to 76.7% with the addition of PK, and invalid rate fell off from 18.3 to 0%. Furthermore, we demonstrated that our method reliably detects specimens with C t values up to 35, whereas false negative samples become frequent above this range. Finally, we show that swabs should be stored at − 70 °C rather than 4 °C when testing cannot be performed within 72 h of collection. Conclusion We successfully optimized the unextracted rRT-PCR process using the Seegene Allplex™ 2019-nCoV assay to detect SARS-CoV-2 RNAs in nasopharyngeal swabs. This improved method offers cost savings and turnaround time advantages compared to automated extraction, with high efficiency of detection that could play an important role in the surveillance of Covid-19.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 0,002 |
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.
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 ».