Resuspension of DNA Sequencing Reaction Products in Agarose Increases Sequence Quality on an Automated Sequencer
Notice bibliographique
Résumé
We are investigating approaches to increase DNA sequencing quality. Since a major factor in sequence generation is the cost of reagents and sample preparations, we have developed and optimized methods to sequence directly plasmid DNA isolated from alkaline lysis preparations. These methods remove the costly PCR and postsequencing purification steps but can result in low sequence quality when using standard resuspension protocols on some sequencing platforms. This work outlines a simple, robust, and inexpensive resuspension protocol for DNA sequencing to correct this shortcoming. Resuspending the sequenced products in agarose before electrophoresis results in a substantial and reproducible increase in sequence quality and read length over resuspension in deionized water and has allowed us to use the aforementioned sample preparation methods to cut considerably the overall sequencing costs without sacrificing sequence quality. We demonstrate that resuspension of unpurified sequence products generated from template DNA isolated by a modified alkaline lysis technique in low concentrations of agarose yields a 384% improvement in sequence quality compared to resuspension in deionized water. Utilizing this protocol, we have produced more than 74 000 high-quality, long-read-length sequences from plasmid DNA template on the MegaBACETM 1000 platform.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».