Rapid, High-Throughput, Cost Effective Whole Genome Sequencing of SARS-CoV-2 Using a Condensed One Hour Library Preparation of the Illumina DNA Prep Kit
Notice bibliographique
Résumé
ABSTRACT The ongoing COVID-19 pandemic necessitates cost-effective, high-throughput, and timely genomic sequencing of SARS-CoV-2 viruses for outbreak investigations, identifying variants of concern (VoC), characterizing vaccine breakthrough infections, and public health surveillance. Additionally, the enormous demand of genomic sequencing on supply chains and the resulting shortages of laboratory supplies necessitate the use of low-reagent and low-consumable methods. Here, we report an optimized library preparation method where the same protocol can be used in a STAT scenario, from sample to sequencer in as little as eight hours, and a high-throughput scenario, where one technologist can perform 576 library preparations over the course of one 8-hour shift. This new method uses Freed et al.’s 1200 bp primer sets (Biol Methods Protoc 5:bpaa014, 2020, https://doi.org/10.1093/biomethods/bpaa014 ) and a modified and truncated Illumina DNA Prep workflow (Illumina, CA, USA). Compared to the original, application of this new method in hundreds of clinical specimens demonstrated equivalent results to the full-length DNA Prep workflow at 45% the cost, 15% of consumables required (such as pipet tips), 25% of manual hands-on time, and 15% of on-instrument time if performing on a liquid handler, with no compromise in sequence quality. Results suggest that this new method is a rapid, simple, cost-effective, and high-quality SARS-CoV-2 whole genome sequencing protocol.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 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 ».