CRISPR‐based diagnostics detects invasive insect pests
Notice bibliographique
Résumé
Rapid identification of organisms is essential for many biological and medical disciplines, from understanding basic ecosystem processes, disease diagnosis, to the detection of invasive pests. CRISPR-based diagnostics offers a novel and rapid alternative to other identification methods and can revolutionize our ability to detect organisms with high accuracy. Here we describe a CRISPR-based diagnostic developed with the universal cytochrome-oxidase 1 gene (CO1). The CO1 gene is the most sequenced gene among Animalia, and therefore our approach can be adopted to detect nearly any animal. We tested the approach on three difficult-to-identify moth species (Keiferia lycopersicella, Phthorimaea absoluta and Scrobipalpa atriplicella) that are major invasive pests globally. We designed an assay that combines recombinase polymerase amplification (RPA) with CRISPR for signal generation. Our approach has a much higher sensitivity than real-time PCR assays and achieved 100% accuracy for identification of all three species, with a detection limit of up to 120 fM for P. absoluta and 400 fM for the other two species. Our approach does not require a sophisticated laboratory, reduces the risk of cross-contamination, and can be completed in less than 1 h. This work serves as a proof of concept that has the potential to revolutionize animal detection and monitoring.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».