A New SARS-CoV-2 Dual-Purpose Serology Test: Highly Accurate Infection Tracing and Neutralizing Antibody Response Detection
Notice bibliographique
Résumé
Many severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) serology tests have proven to be less accurate than expected and do not assess antibody function as neutralizing, correlating with protection from reinfection. A new assay technology measuring the interaction of the purified SARS-CoV-2 spike protein receptor binding domain (RBD) with the extracellular domain of the human angiotensin-converting enzyme 2 (hACE2) receptor detects these important antibodies. The cPass surrogate virus neutralization test (sVNT), compared directly with eight SARS-CoV-2 IgG serology and two live-cell neutralization tests, gives similar or improved accuracy for qualitative delineation between positive and negative individuals in a fast, scalable, and high-throughput assay. The combined data support the cPass sVNT as a tool for highly accurate SARS-CoV-2 immunity surveillance of infected/recovered and/or vaccinated individuals as well as drug and convalescent-phase donor screening. The data also preview a novel application for the cPass sVNT in calibrating the stringency of live-cell neutralization tests and its use in longitudinal testing of recovered and/or vaccinated patients.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».