Highly-Sensitive Lineage Discrimination of SARS-CoV-2 Variants through Allele-Specific Probe Polymerase Chain Reaction
Notice bibliographique
Résumé
Abstract Introduction Tools to detect SARS-Coronavirus-2 variants of concern and track the ongoing evolution of the virus are necessary to support public health efforts and the design and evaluation of novel COVID-19 therapeutics and vaccines. Although next-generation sequencing (NGS) has been adopted as the gold standard method for discriminating SARS-CoV-2 lineages, alternative methods may be required when processing samples with low viral loads or low RNA quality. Methods An allele-specific probe polymerase chain reaction (ASP-PCR) targeting lineage-specific single nucleotide polymorphisms (SNPs) was developed and used to screen 1,082 samples from two clinical trials in the United Kingdom and Brazil. Probit regression models were developed to compare ASP-PCR performance against 1,771 NGS results for the same cohorts. Results Individual SNPs were shown to readily identify specific variants of concern. ASP-PCR was shown to discriminate SARS-CoV-2 lineages with a higher likelihood than NGS over a wide range of viral loads. Comparative advantage for ASP-PCR over NGS was most pronounced in samples with Ct values between 26-30 and in samples that showed evidence of degradation. Results for samples screened by ASP-PCR and NGS showed 99% concordant results. Discussion ASP-PCR is well-suited to augment but not replace NGS. The method can differentiate SARS-COV-2 lineages with high accuracy and would be best deployed to screen samples with lower viral loads or that may suffer from degradation. Future work should investigate further destabilization from primer:target base mismatch through altered oligonucleotide chemistry or chemical additives.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».