Validating and optimizing the method for molecular detection and quantification of SARS-CoV-2 in wastewater
Notice bibliographique
Résumé
Wastewater surveillance of SARS-CoV-2 has become a promising tool to estimate population-level changes in community infections and the prevalence of COVID-19 disease. Although many studies have reported the detection and quantification of SARS-CoV-2 in wastewater, remarkable variation remains in the methodology. In this study, we validated a molecular testing method by concentrating viruses from wastewater using ultrafiltration and detecting SARS-CoV-2 using one-step RT-qPCR assay. The following parameters were optimized including sample storage condition, wastewater pH, RNA extraction and RT-qPCR assay by quantification of SARS-CoV-2 or spiked human coronavirus strain 229E (hCoV-229E). Wastewater samples stored at 4 °C after collection showed significantly enhanced detection of SARS-CoV-2 with approximately 2-3 PCR-cycle threshold (Ct) values less when compared to samples stored at -20 °C. Pre-adjustment of the wastewater pH to 9.6 to aid virus desorption followed by pH readjustment to neutral after solid removal significantly increased the recovery of spiked hCoV-229E. Of the five commercially available RNA isolation kits evaluated, the MagMAX-96 viral RNA isolation kit showed the best recovery of hCoV-229E (50.1 ± 20.1%). Compared with two-step RT-qPCR, one-step RT-qPCR improved sensitivity for SARS-CoV-2 detection. Salmon DNA was included for monitoring PCR inhibition and pepper mild mottle virus (PMMoV), a fecal indicator indigenous to wastewater, was used to normalize SARS-CoV-2 levels in wastewater. Our method for molecular detection of SARS-CoV-2 in wastewater provides a useful tool for public health surveillance of COVID-19.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».