Optimization of Reverse Transcription Loop-Mediated Isothermal Amplification for In Situ Detection of SARS-CoV-2 in a Micro-Air-Filtration Device Format
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The Coronavirus disease 2019 (COVID-19) pandemic has supercharged innovation in the field of molecular diagnostics and led to the exploration of systems that permit the autonomous identification of airborne infectious agents. Airborne virus detection is an emerging approach for determining exposure risk, although current methods limit intervention timeliness. Here, we explore reverse transcription loop-mediated isothermal amplification (RT-LAMP) assays for one-pot detection of Severe acute respiratory syndrome Coronavirus 2 (SARS-CoV-2) (SCV2) run on membrane filters suitable for micro-air-filtration of airborne viruses. We use a design of experiments statistical framework to establish the optimal additive composition for running RT-LAMP on membrane filters. Using SCV2 liquid spike-in experiments and fluorescence detection, we show that single-pot RT-LAMP on glass fiber filters reliably detected 0.10 50% tissue culture infectious dose (TCID 50 ) SCV2 per reaction (3600 E-gene copies) and is an order of magnitude more sensitive than conventional RT-LAMP.
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 | 0,001 |
| 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 ».