MétaCan
Menu
Retour à la cohorte
Enregistrement W4396575174 · doi:10.1093/infdis/jiae226

Validation of an Automated, End-to-End Metagenomic Sequencing Assay for Agnostic Detection of Respiratory Viruses

2024· article· en· W4396575174 sur OpenAlexaffabout
Nick P.G. Gauthier, Wilson Chan, Kerstin Locher, Duane E. Smailus, Robin Coope, Marthe Charles, Agatha N. Jassem, Jennifer Kopetzky, Samuel D. Chorlton, Amee R. Manges

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensBC Centre for Disease ControlCanada's Michael Smith Genome Sciences CentreVancouver General HospitalKinexus Bioinformatics Corporation (Canada)University of British Columbia
Organismes subventionnairesBiomedical Advanced Research and Development AuthorityDepartment of Health and Human Services, State Government of VictoriaU.S. Department of Health and Human Services
Mots-clésMetagenomicsTurnaround timeComputational biologyBiologyDNA sequencingVirologyBioinformaticsComputer scienceGeneGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Current molecular diagnostics are limited in the number and type of detectable pathogens. Metagenomic next-generation sequencing (mNGS) is an emerging, and increasingly feasible, pathogen-agnostic diagnostic approach. Translational barriers prohibit the widespread adoption of this technology in clinical laboratories. We validate an end-to-end mNGS assay for detection of respiratory viruses. Our assay is optimized to reduce turnaround time, lower cost per sample, increase throughput, and deploy secure and actionable bioinformatic results. METHODS: We validated our assay using residual nasopharyngeal swab specimens from Vancouver General Hospital (n = 359), which were reverse-transcription polymerase chain reaction positive, or negative for influenza, severe acute respiratory syndrome coronavirus 2, and respiratory syncytial virus. We quantified sample stability, assay precision, the effect of background nucleic acid levels, and analytical limits of detection. Diagnostic performance metrics were estimated. RESULTS: We report that our mNGS assay is highly precise and semiquantitative, with analytical limits of detection ranging from 103 to 104 copies/mL. Our assay is highly specific (100%) and sensitive (61.9% overall: 86.8%; reverse-transcription polymerase chain reaction cycle threshold < 30). Multiplexing capabilities enable processing of up to 55 specimens simultaneously on an Oxford Nanopore GridION device, with results reported within 12 hours. CONCLUSIONS: This study report outlines the diagnostic performance and feasibility of mNGS for respiratory viral diagnostics, infection control, and public health surveillance. We addressed translational barriers to widespread mNGS adoption.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,012
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,383
Écart entre enseignants0,327 · 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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infectious DiseasesMême sujetRespiratory viral infections researchTravaux en français237 207