Engineering Gene-Specific DNAzymes for Accessible and Multiplexed Nucleic Acid Testing
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The accurate and timely detection of disease biomarkers at the point-of-care is essential to ensuring effective treatment and epidemiological surveillance. Here, we report the selection and engineering of RNA-cleaving DNAzymes that respond to specific genetic markers and amplify detection signals. Because the target-specific activation of gene-specific DNAzymes (gDz) is like the trans-cleavage activity of clustered regularly interspaced short palindromic repeats (CRISPR) CRISPR-associated (Cas) machinery, we further developed a CRISPR-like assay using RNA-cleaving DNAzyme coupled with isothermal sequence and signal amplification (CLARISSA) for nucleic acid detection in clinical samples. Building on the high sequence specificity and orthogonality of gDzs, CLARISSA is highly versatile and expandable for multiplex testing. Upon integration with an isothermal recombinase polymerase amplification, CLARISSA enabled the detection of human papillomavirus (HPV) 16 in 189 cervical samples collected from cervical cancer screening participants ( n = 189) with 100% sensitivity and 97.4% specificity, respectively. A multiplexed CLARISSA further allowed the simultaneous analyses of HPV16 and HPV18 in 46 cervical samples, which returned clinical sensitivity of 96.3% for HPV16 and 83.3% for HPV18, respectively. No false positives were found throughout our tests. Besides the fluorescence readout using fluorogenic reporter probes, CLARISSA is also demonstrated to be fully compatible with a visual lateral flow readout. Because of the high sensitivity, accessibility, and multiplexity, we believe CLARISSA is an ideal CRISPR-Dx alternative for clinical diagnosis in field-based and point-of-care applications.
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 | 0,000 |
| 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 ».