Fighting Mutations with Mutations: Evolutionarily Adapting a DNA Aptamer for High‐Affinity Recognition of Mutated Spike Proteins of SARS‐CoV‐2
Notice bibliographique
Résumé
Abstract An on‐going challenge with COVID‐19, which has huge implications for future pandemics, is the rapid emergence of viral variants that makes diagnostic tools less accurate, calling for rapid identification of recognition elements for detecting new variants caused by mutations. We hypothesize that we can fight mutations of the viruses with mutations of existing recognition elements. We demonstrate this concept via rapidly evolving an existing DNA aptamer originally selected for the spike protein (S‐protein) of wildtype SARS‐CoV‐2 to enhance the interaction with the same protein of the Omicron variants. The new aptamer, MBA5SA1, has acquired 22 mutations within its 40‐nucleotide core sequence and improved its binding affinity for the S‐proteins of diverse Omicron subvariants by >100‐fold compared to its parental aptamer (improved from nanomolar to picomolar affinity). Deep sequencing analysis reveals dynamic competitions among several MBA5SA1 variants in response to increasing selection pressure imposed during in vitro selection, with MBA5SA1 being the final winner of the competition. Additionally, MBA5SA1 was implemented into an enzyme‐linked aptamer binding assay (ELABA), which was applied for detecting Omicron variants in the saliva of infected patients. The assay produced a sensitivity of 86.5 % and a specificity of 100 %, which were established with 83 clinical samples.
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 | 0,000 | 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) | 0,001 | 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 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 ».