An Innovative Binding‐Protein‐Based <scp>dsRNA</scp> Extraction Method: Comparison of Cost‐Effectiveness of Virus Detection Methods Using High‐Throughput Sequencing
Notice bibliographique
Résumé
Viral diseases represent a threat to global food production. Managing the impact of viruses on crop production requires the ability to monitor viruses, study their ecology and anticipate outbreaks. Double-stranded RNA (dsRNA) sequencing is a well-established and reliable method of detecting viruses and studying virome-host interactions and ecology. Compared to total RNA extraction, dsRNA extraction eliminates the majority of host RNAs, improving the recovery of viral RNAs. In this study, we developed and evaluated a novel dsRNA extraction method for high-throughput sequencing (HTS) applications based on the Flock House virus (FHV) B2 protein (B2-based method), and compared its performance with that of established cellulose-based and DRB4-based methods (commercial kit), as well as total RNA extraction techniques. The electrostatic properties of B2 have been instrumental in developing a bead-free and resin-free dsRNA extraction method. The B2-based method demonstrated high viral read recovery, achieving proportions exceeding 20% in most samples, and provided better dsRNA purity with less low weight molecule co-extracted RNA than the DRB4-based method and cellulose-based methods. Despite producing overall fewer total reads than the DRB4-based method, the B2-based enrichment for viral-derived dsRNA was better, with a higher percentage of viral reads, making it effective in virome profiling. Furthermore, it had an excellent detection specificity (0.97) and a good detection sensitivity (0.71), minimising false positives and false negatives. In addition, the B2-based method proved to be highly cost-effective, with a per-reaction cost of $4.47, compared to $35.34 for the DRB4-based method. This method offers a practical solution for laboratories with limited resources or for large-scale sampling for viral ecology studies. Future improvements to the B2-based method should focus on optimising sensitivity to Vitivirus species and developing scalable, automated workflows for high-throughput viral detection.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».