Simultaneous Detection of Protein and RNA Using Proximity Ligation of Aptamers and Quantitative Polymerase Chain Reaction
Notice bibliographique
Résumé
The COVID-19 pandemic underscored the global need for rapid, sensitive, and multiplexed diagnostic assays for viral detection. RT-qPCR remains the standard for SARS-CoV-2 RNA detection, while antigen-based protein assays provide faster, though less sensitive, alternatives. Here, we present a novel diagnostic platform that combines proximity ligation of aptamers (PLA) with real-time quantitative PCR (RT-qPCR) to enable simultaneous detection of both SARS-CoV-2 RNA and nucleocapsid (N) protein in a single vial. Six high-affinity aptamers against the N protein were identified via capillary electrophoresis SELEX. From these, ECK1 and ECK4 were selected based on binding affinity and spatial compatibility for PLA. The aptamer pair enabled target-induced ligation followed by detection using Cy5-labeled TaqMan probes. Concurrently, SARS-CoV-2 RNA was detected with FAM-labeled probes in the same RT-qPCR reaction. This dual-analyte assay was validated in buffer and complex biological matrices such as saliva. Sensitivity was further enhanced by integrating droplet digital PCR (ddPCR). Aptamer binding sites at the N protein were identified via DEPC labeling and bottom-up proteomics. Our method introduces a scalable and adaptable strategy for multiplexed pathogen diagnostics with minimal sample processing.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».