MétaCan
Menu
Retour à la cohorte
Enregistrement W3207424818 · doi:10.1371/journal.pcbi.1009480

Time to revisit the endpoint dilution assay and to replace the TCID50 as a measure of a virus sample’s infection concentration

2021· article· en· W3207424818 sur OpenAlexafffundabout
Daniel Cresta, Donald C. Warren, Christian Quirouette, Amanda Smith, Lindey C. Lane, Amber M. Smith, Catherine A. A. Beauchemin

Notice bibliographique

RevuePLoS Computational Biology · 2021
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNatural Sciences and Engineering Research Council of CanadaRIKENDivision of Mathematical SciencesNational Institutes of HealthOntario Ministry of Research, Innovation and ScienceGovernment of Ontario
Mots-clésMeasure (data warehouse)Sample (material)BiologyDilutionStatisticsComputational biologyComputer scienceChromatographyMathematicsData miningChemistryPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

The endpoint dilution assay's output, the 50% infectious dose (ID50), is calculated using the Reed-Muench or Spearman-Kärber mathematical approximations, which are biased and often miscalculated. We introduce a replacement for the ID50 that we call Specific INfection (SIN) along with a free and open-source web-application, midSIN (https://midsin.physics.ryerson.ca) to calculate it. midSIN computes a virus sample's SIN concentration using Bayesian inference based on the results of a standard endpoint dilution assay, and requires no changes to current experimental protocols. We analyzed influenza and respiratory syncytial virus samples using midSIN and demonstrated that the SIN/mL reliably corresponds to the number of infections a sample will cause per mL. It can therefore be used directly to achieve a desired multiplicity of infection, similarly to how plaque or focus forming units (PFU, FFU) are used. midSIN's estimates are shown to be more accurate and robust than the Reed-Muench and Spearman-Kärber approximations. The impact of endpoint dilution plate design choices (dilution factor, replicates per dilution) on measurement accuracy is also explored. The simplicity of SIN as a measure and the greater accuracy provided by midSIN make them an easy and superior replacement for the TCID50 and other in vitro culture ID50 measures. We hope to see their universal adoption to measure the infectivity of virus samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,078
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,002
Études des sciences et des technologies0,0020,004
Communication savante0,0080,005
Science ouverte0,0040,004
Intégrité de la recherche0,0050,013
Charge utile insuffisante (le modèle a refusé de juger)0,0290,053

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,272
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetHIV Research and TreatmentTravaux en français237 207