Ultrasensitive assay for saliva-based SARS-CoV-2 antigen detection
Notice bibliographique
Résumé
Abstract Widespread SARS-CoV-2 testing is highly valuable for identifying asymptomatic/pre-symptomatic individuals to slow community disease transmission. However, there remains a technological gap for highly reliable, easy, and quick SARS-CoV-2 diagnostic tests that are suitable for frequent mass testing. Compared to the conventional nasopharyngeal (NP) swab-based tests, saliva-based methods are attractive due to easier and safer sampling protocols. Despite its merits in rapid turn-around-time and high throughput compared to traditional PCR-based technologies, the widespread use of saliva-based SARS-CoV-2 rapid antigen tests is hindered by limited analytical sensitivity of current methods. Here, we report the first ultrasensitive, saliva-based SARS-CoV-2 antigen assay with an analytical sensitivity of < 0.32 pg/ml, corresponding to 4 viral RNA copies/µl, which is comparable to that of PCR-based tests. Using the novel electrochemiluminescence (ECL)-based S-PLEX immunoassay, we measured the SARS-CoV-2 nucleocapsid (N) antigen concentration in 105 saliva samples obtained from non-COVID-19 and COVID-19 patients. Our assay displayed absolute specificity and high sensitivity (90.2%), where it correctly identified samples with viral loads up to 35 CT cycles by saliva-based PCR. Paired NP swab-based PCR results were also obtained for 86 cases for comparison. Our assay showed high concordance with saliva-based and NP swab-based PCR in samples with negative (< 0.32 pg/ml) and strongly positive (> 2 pg/ml) N antigen concentrations. Our study unveiled the ultrasensitivity and specificity of the saliva-based S-PLEX assay, demonstrating its clinical value as a high throughput, complementary alternative to PCR-based techniques. The novel technique is especially valuable in cases where compliance to frequent swabbing may be problematic (e.g. schools, nursing homes, etc.).
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) | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».