MétaCan
Menu
Retour à la cohorte
Enregistrement W4244350945 · doi:10.21203/rs.3.rs-115221/v1

A Homogeneous Split-Luciferase Assay for Rapid and Sensitive Detection of Anti-SARS CoV-2 Antibodies

2020· preprint· en· W4244350945 sur OpenAlexaff
Igor Štagljar, Shawn C. Owen, Zhong Yao, Luka Drecun, Farzaneh Aboualizadeh, Sun Jin Kim, Zhijie Li, Emelissa J. Valcourt, Kathy Manguiat, Heidi Wood, Simon Plenderleith, Lily Yip, Xinliu Li, Zoë Zhong, Feng Yun Yue, Jamie Snider, Jelena Tomić, Michael Drebot, Allison McGeer, Mario Ostrowski, Samira Mubareka, James M. Rini

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensMount Sinai HospitalPublic Health Agency of CanadaSunnybrook HospitalUniversity of Toronto
Organismes subventionnairesUniversity of Utah
Mots-clésImmunoassayAntibodySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)HomogeneousLuciferaseVirologyCoronavirus disease 2019 (COVID-19)Computational biologyChemistryBiologyMedicineImmunologyDiseaseCell cultureInfectious disease (medical specialty)PhysicsPathologyTransfection

Résumé

récupéré en direct d'OpenAlex

Abstract To meet the urgent demand for better diagnostic tools to combat the ongoing COVID-19 pandemic, we developed a homogeneous immunoassay to detect IgG antibodies against SARS-CoV-2. This assay is based on a tri-part Nanoluciferase (tNLuc) approach, in which the spike protein of SARS-CoV-2 and protein G, fused respectively to two different tNLuc tags, are used as antibody probes. Target engagement of the probes allows reconstitution of a functional luciferase in the presence of the third tNLuc component. The assay is performed directly in liquid phase of patient sera and enables rapid, quantitative and low-cost detection. We show that tNLuc maintains a similar sensitivity to ELISA, while its readouts are highly consistent with various neutralizing antibody assays. This proof-of-principle study suggests potential applications in diagnostics and disease and vaccination management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,416
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSARS-CoV-2 detection and testingTravaux en français237 207