Comparison of ordinary reverse transcription real-time polymerase chain reaction (qRT-PCR) with a newly developed one-step single-tube nested real-time RT-PCR (OSN-qRT-PCR) for sensitive detection of SARS-CoV-2 in wastewater
Notice bibliographique
Résumé
Wastewater monitoring has proven to be an important approach to detecting and controlling the development of the SARS-CoV-2 pandemic. Various tests based on reverse transcription real-time PCR (qRT-PCR) have been developed and used for the detection of SARS-CoV-2 in wastewater samples. In this study, we attempted to increase the sensitivity of qRT-PCR by developing a one-step single-tube nested qRT-PCR assay (OSN-qRT-PCR). Two variants were developed, oriented to nucleocapsid phosphoprotein gene (N) and to spike protein gene (S), respectively. The performance of conventional qRT-PCR assays oriented to these genes with two novel OSN-qRT-PCR assays were firstly optimized using wastewater artificially contaminated with two encapsidated RNA mimic systems harboring a portion either N or S gene (ENRM and ESRM, respectively). The assays were coupled to a polyethylene glycol-based RNA precipitation/extraction method and applied to detect SARS-CoV-2 in wastewater samples from four cities in Slovakia. Both novel OSN-qRT-PCR assays demonstrated higher detection rates than the ordinary qRT-PCR counterparts. The virus levels in the analyzed wastewater samples had a high or very high relation with the numbers of clinical cases in the monitored regions. In fact, correlation with a 3-, 4-, or 5-day temporal offset was revealed. The OSN-qRT-PCR assays demonstrated robustness, mainly in samples with low viral loads.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».