Nanovirseq: dsRNA sequencing for plant virus and viroid detection by Nanopore sequencing
Notice bibliographique
Résumé
Abstract Worldwide, there is a need for certified clean plant materials to limit viral diseases spread. In order to design a robust and proactive viral-like disease certification, diagnostics, and management program, it is essential to have a fast, inexpensive, and user-friendly tool. The purpose of this study was to determine whether dsRNA-based nanopore sequencing can be a reliable method for the detection of viruses and viroids in grapevines or not. Compared to direct RNA sequencing from rRNA-depleted total RNA (rdTotalRNA), direct-cDNA sequencing from dsRNA (dsRNAcD) yielded more viral reads and detected all grapevine viruses and viroids detected using Illumina MiSeq sequencing (dsRNA-MiSeq). With dsRNAcD sequencing it was possible to detect low abundance viruses (e.g., Grapevine red globe virus) where rdTotalRNA sequencing failed to detect them. Indeed, even after removing rRNA, rdTotalRNA sequencing yielded low viral read numbers. rdTotalRNA sequencing was not sensitive enough to detect all the viruses detected by dsRNA-MiSeq. In addition, there was a false positive identification of a viroid in the rdTotalRNA sequencing that was due to misannotation of a host-driven read. For quick and accurate reads classification, two different taxonomical classification workflows based on protein and nucleotide homology were evaluated in this study, namely DIAMOND&MEGAND (DIA&MEG) and Centrifuge&Recentrifuge (Cent&Rec), respectively. Virome profiles from both workflows were similar except for grapevine endophyte endornavirus (GEEV), which was only detected using DIA&MEG. However, because DIA&MEG’s classification is based on protein homology, it cannot detect viroid infection despite giving more robust results. Even though Cent&Rec’s virus and viroid detection workflow was faster (30 minutes) than DIA&MEG’s (two hours), it could not provide the details and information DIA&MEG was able to provide. As demonstrated in our study, nanopore dsRNAcD sequencing and the proposed data analysis workflows are suitable and reliable for viruses and viroids detection, especially in grapevine where viral mixed infection is common.
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 | 0,001 | 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 ».