MétaCan
Menu
Retour à la cohorte
Enregistrement W4280545580 · doi:10.1016/j.watres.2022.118621

RT-qPCR and ATOPlex sequencing for the sensitive detection of SARS-CoV-2 RNA for wastewater surveillance

2022· article· en· W4280545580 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWater Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of British Columbia
Organismes subventionnairesCommonwealth Scientific and Industrial Research Organisation
Mots-clésBiologyReal-time polymerase chain reactionMultiplexVirologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Detection limitCoronavirusMetagenomicsComputational biologyCoronavirus disease 2019 (COVID-19)GeneChromatographyChemistryInfectious disease (medical specialty)GeneticsDiseaseMedicine

Résumé

récupéré en direct d'OpenAlex

During the coronavirus disease 2019 (COVID-19) pandemic, wastewater surveillance has become an important tool for monitoring the spread of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) within communities. In particular, reverse transcription-quantitative PCR (RT-qPCR) has been used to detect and quantify SARS-CoV-2 RNA in wastewater, while monitoring viral genome mutations requires separate approaches such as deep sequencing. A high throughput sequencing platform (ATOPlex) that uses a multiplex tiled PCR-based enrichment technique has shown promise in detecting variants of concern (VOC) while also providing virus quantitation data. However, detection sensitivities of both RT-qPCR and sequencing can be impacted through losses occurring during sample handling, virus concentration, nucleic acid extraction, and RT-qPCR. Therefore, process limit of detection (PLOD) assessments are required to estimate the gene copies of target molecule to attain specific probability of detection. In this study, we compare the PLOD of four RT-qPCR assays (US CDC N1 and N2, China CDC N and ORF1ab) for detection of SARS-CoV-2 to that of ATOPlex sequencing by seeding known concentrations of gamma-irradiated SARS-CoV-2 into wastewater. Results suggest that among the RT-qPCR assays, US CDC N1 was the most sensitive, especially at lower SARS-CoV-2 seed levels. However, when results from all RT-qPCR assays were combined, it resulted in greater detection rates than individual assays, suggesting that application of multiple assays is better suited for the trace detection of SARS-CoV-2 from wastewater samples. Furthermore, while ATOPlex offers a promising approach to SARS-CoV-2 wastewater surveillance, this approach appears to be less sensitive compared to RT-qPCR under the experimental conditions of this study, and may require further refinements. Nonetheless, the combination of RT-qPCR and ATOPlex may be a powerful tool to simultaneously detect/quantify SARS-CoV-2 RNA and monitor emerging VOC in wastewater samples.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,179
Tête enseignante GPT0,390
Écart entre enseignants0,211 · 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