MétaCan
Menu
Retour à la cohorte
Enregistrement W4394934096 · doi:10.1021/acssensors.4c00090

CRISPR/Cas14 and G-Quadruplex DNAzyme-Driven Biosensor for Paper-Based Colorimetric Detection of African Swine Fever Virus

2024· article· en· W4394934096 sur OpenAlexaff
Xue Zhao, Yawen He, Shengjie Shao, Qiaoqiao Ci, Lin Chen, Xiaonan Lu, Qian Liu, Juhong Chen

Notice bibliographique

RevueACS Sensors · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of HealthVirginia Polytechnic Institute and State University
Mots-clésDeoxyribozymeDetection limitCRISPRAfrican swine fever virusVirologyBiosensorBiologyDNAVirusChemistryChromatographyGeneGeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

The highly contagious nature and 100% fatality rate contribute to the ongoing and expanding impact of the African swine fever virus (ASFV), causing significant economic losses worldwide. Herein, we developed a cascaded colorimetric detection using the combination of a CRISPR/Cas14a system, G-quadruplex DNAzyme, and microfluidic paper-based analytical device. This CRISPR/Cas14a-G4 biosensor could detect ASFV as low as 5 copies/μL and differentiate the wild-type and mutated ASFV DNA with 2-nt difference. Moreover, this approach was employed to detect ASFV in porcine plasma. A broad linear detection range was observed, and the limit of detection in spiked porcine plasma was calculated to be as low as 42-85 copies/μL. Our results indicate that the developed paper platform exhibits the advantages of high sensitivity, excellent specificity, and low cost, making it promising for clinical applications in the field of DNA disease detection and suitable for popularization in low-resourced areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,257
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS SensorsMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207