Integrating Water Purification with Electrochemical Aptamer Sensing for Detecting SARS-CoV-2 in Wastewater
Notice bibliographique
Résumé
Wastewater analysis of pathogens, particularly SARS-CoV-2, is instrumental in tracking and monitoring infectious diseases in a population. This method can be used to generate early warnings regarding the onset of an infectious disease and predict the associated infection trends. Currently, wastewater analysis of SARS-CoV-2 is almost exclusively performed using polymerase chain reaction for the amplification-based detection of viral RNA at centralized laboratories. Despite the development of several biosensing technologies offering point-of-care solutions for analyzing SARS-CoV-2 in clinical samples, these remain elusive for wastewater analysis due to the low levels of the virus and the interference caused by the wastewater matrix. Herein, we integrate an aptamer-based electrochemical chip with a filtration, purification, and extraction (FPE) system for developing an alternate in-field solution for wastewater analysis. The sensing chip employs a dimeric aptamer, which is universally applicable to the wild-type, alpha, delta, and omicron variants of SARS-CoV-2. We demonstrate that the aptamer is stable in the wastewater matrix (diluted to 50%) and its binding affinity is not significantly impacted. The sensing chip demonstrates a limit of detection of 1000 copies/L (1 copy/mL), enabled by the amplification provided by the FPE system. This allows the integrated system to detect trace amounts of the virus in native wastewater and categorize the amount of contamination into trace (<10 copies/mL), medium (10-1000 copies/mL), or high (>1000 copies/mL) levels, providing a viable wastewater analysis solution for in-field use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».