Assessing the efficacy of different bead-based assays in capturing hepatitis E virus
Notice bibliographique
Résumé
Hepatitis E virus (HEV) generally causes acute liver infection in humans and its transmission could be waterborne, foodborne, bloodborne, or zoonotic. To date, there is no standard method for the detection of HEV from food and environmental samples. Herein, we explored the possibility of using magnetic beads for the capture and detection of HEV. For this purpose, we employed Dynabeads M-270 Epoxy magnetic beads, coated with different monoclonal antibodies (mAbs) against HEV capsid protein, and the Nanotrap Microbiome A Particle magnetic beads, which are coated with chemical affinity baits, to capture HEV-3 particles in suspension. Viral RNA was extracted by heat-shock or QIAamp viral RNA kit and subjected to quantification using digital-droplet RT-PCR (ddRT-PCR). We demonstrated that the mAb-coupled Dynabeads and the Nanotrap particles, both were able to successfully capture HEV-3. The latter, however had lower limit of detection (<140gc compared with <1400 gc) and significantly higher extraction efficiency in comparison to the mAb-coupled Dynabeads (41.1% vs 8.8%). We have also observed that viral RNA extraction by heat-shock is less efficient compared to using highly denaturing reagents in QIAmp viral RNA extraction kit. As such, magnetic beads have the potential to be used to capture HEV virions for research and surveillance purposes.
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 | 0,030 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,002 |
| 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 ».