Development and evaluation of a monoclonal antibody-based competitive ELISA for detecting porcine deltacoronavirus antibodies
Notice bibliographique
Résumé
Abstract Porcine deltacoronavirus (PDCoV) is an emerging swine enteropathogenic coronavirus that can cause acute diarrhea and vomiting in newborn piglets and poses a potential risk for cross-species transmission. It is necessary to develop an effective serological diagnostic tool for the surveillance of PDCoV infection and vaccine immunity effects. In this study, we developed a monoclonal antibody-based competitive ELISA (cELISA) that selected the purified recombinant PDCoV nucleocapsid (N) protein as the coating antigen to detect PDCoV antibodies. To evaluate the diagnostic performance of the cELISA, 122 swine serum samples (39 positive and 83 negative) were tested and the results were compared with an indirect immunofluorescence assay (IFA) as the reference method. By receiver operating characteristic (ROC) curve analysis, the optimum cutoff value of percent inhibition (PI) was determined to be 26.8%, which showed excellent diagnostic performance, with an area under the curve (AUC) of 0.9919, a diagnostic sensitivity of 97.44% and a diagnostic specificity of 96.34%. Furthermore, there was good agreement between the cELISA and virus neutralization test (VNT) for the detection of PDCoV antibodies, with a coincidence rate of 92.7%, and the κ analysis showed almost perfect agreement (κ = 0.851). Overall, the established cELISA showed good diagnostic performance, including sensitivity, specificity and repeatability, and can be used for diagnostic assistance, evaluating the response to vaccination and assessing swine herd immunity.
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 ».