COVID-19 Detection Using a 3D-Printed Micropipette Tip and a Smartphone
Notice bibliographique
Résumé
The COVID-19 pandemic has caused over 7 million deaths worldwide and over 1 million deaths in the US as of October 15, 2022. Virus testing lags behind the level or availability necessary for pandemic events like COVID-19, especially in resource-limited settings. Here, we report a low cost, mix-and-read COVID-19 assay using a synthetic SARS-CoV-2 sensor, imaged and processed using a smartphone. The assay was optimized for saliva and employs 3D-printed micropipette tips with a layer of monoclonal anti-SARS-CoV-2 inside the tip. A polymeric sensor for SARS-CoV-2 spike (S) protein (COVRs) synthesized as a thin film on silica nanoparticles provides 3,3′,5–5′-tetramethylbenzidine responsive color detection using streptavidin-poly-horseradish peroxidase (ST-poly-HRP) with 400 HRP labels per molecule. COVRs were engineered with an NHS-PEG 4 -biotin coating to reduce nonspecific binding and provide affinity for ST-poly-HRP labels. COVRs binds to S-proteins with binding strengths and capacities much larger than salivary proteins in 10% artificial saliva-0.01%-Triton X-100 (as virus deactivator). A limit of detection (LOD) of 200 TCID 50 /mL (TCID 50 = tissue culture infectious dose 50%) in artificial saliva was obtained using the Color Grab smartphone app and verified using ImageJ. Viral load values obtained in 10% pooled human saliva spiked with inactivated SARS-COV-2 virus gave excellent correlation with viral loads obtained from qPCR ( p = 0.0003, r = 0.99).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».