Comparison of SARS-CoV-2 indirect and direct RT-qPCR detection methods
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
BACKGROUND: Sensitive, rapid, and accessible diagnostics continue to be critical to track the COVID-19 pandemic caused by the SARS-CoV-2 virus. RT-qPCR is the gold standard test, and comparison of methodologies and reagents, utilizing patient samples, is important to establish reliable diagnostic pipelines. METHODS: Here, we assessed indirect methods that require RNA extraction with direct RT-qPCR on patient samples. Four different RNA extraction kits (Qiagen, Invitrogen, BGI and Norgen Biotek) were compared. For detection, we assessed two recently developed Taqman-based modules (BGI and Norgen Biotek), a SYBR green-based approach (NEB Luna Universal One-Step Kit) with published and newly-developed primers, and clinical results (Seegene STARMag RNA extraction system and Allplex 2019-nCoV RT-qPCR assay). We also tested and optimized direct, extraction-free detection using these RT-qPCR systems and performed a cost analysis of the different methods evaluated here. RESULTS: copies of viral genome/μl. However, the BGI detection system is more expensive than other options tested here. With direct RT-qPCR, simply adding an RNase inhibitor greatly improved detection, without the need for any other treatments (e.g. lysis buffers or boiling). The best direct methods detected ~ 10 fold less virus than indirect methods, but this simplified approach reduced sample handling, as well as assay time and cost. CONCLUSIONS: With extracted RNA, the BGI RT-qPCR detection system exhibited superior performance over the Norgen system, matching initial clinical diagnosis with the Seegene Allplex assay. The BGI system was also suitable for direct, extraction-free analysis, providing 78.4% sensitivity. The Norgen system, however, still accurately detected samples with a clinical Ct < 33 from extracted RNA, provided significant cost savings, and was superior to SYBR green assays that exhibited reduced specificity.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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