MMMVI: Detecting SARS-CoV-2 Variants of Concern in Metagenomic Wastewater Samples
Notice bibliographique
Résumé
Abstract Motivation SARS-CoV-2 is the causative agent of the COVID-19 pandemic. Variants of Concern (VOCs) and Variants of Interest (VOIs) are lineages that represent a greater risk to public health, and can be differentiated from the wildtype virus based on unique profiles of signature mutations. Metagenomic sequence analysis of wastewater represents an emerging form of surveillance that can capture early signal for these variants in a community prior to detection through public health testing or genomic surveillance activities. However, because multiple viral genomes are likely to be present in a metagenomic sample, additional analytical scrutiny of the sequencing reads beyond variant calling is needed to increase confidence in diagnostic determinations. Results Where multiple signature mutations are present on a given read, they can be used as enhanced biomarkers to confirm the presence of a VOC/VOI in the sample. We have developed MMMVI, a tool to aggregate and report on the likely presence of a VOC/VOI in a set of metagenomic reads based on the detection of reads bearing multiple signature mutations. Availability MMMVI is implemented in Python, and is available under the MIT licence from https://github.com/dorbarker/voc-identify/ Contact dillon.barker@canada.ca
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».