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 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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».