A straightforward molecular strategy to retrospectively investigate the spread of SARS-CoV-2 VOC202012/01 B.1.1.7 variant
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The spread of new SARS-CoV-2 variants represents a serious threat worldwide, thus rapid and cost-effective methods are required for their identification. Since November 2020, the TaqPath COVID-19 assay (Thermo Fisher Scientific) has been used to identify viral strains of the new lineage B.1.1.7, since it fails to detect the S-gene with the ∆69/70 deletion. Here, we proposed S-gene mutations screening with the Allplex SARS-CoV-2 assay (Seegene), another widely used RT-PCR test that targets Sarbecovirus E, SARS-CoV-2 N, and RdRp/S genes. Accordingly, we evaluated the S gene amplification curve pattern compared to those of the other genes. Exploiting an Allplex assay-generated dataset, we screened 663 RT-PCR digital records, including all SARS-CoV-2 respiratory samples tested in our laboratory with the Allplex assay between January 1st and February 25th, 2021. This approach enabled us to detect 64 samples with peculiar non-sigmoidal amplification curves. Sequencing a selected group of 4 RNA viral genomes demonstrated that those curves were associated with B.1.1.7 variant strains. Our results strongly suggest that B.1.1.7 variant spread has begun in this area at least since January and imply the potential of these analytical methods to track and characterize the spread of B.1.1.7 strains in those areas where Allplex SARS-CoV-2 datasets have been previously recorded.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle