Enhancing Clinical Detection Accuracy of Large Structured Viral RNA via DNAzyme Cleavage and Antisense‐Assisted Rolling Circle Amplification
Notice bibliographique
Résumé
Abstract Sensitive detection of viral RNA is critical for accurate diagnostic testing, particularly during outbreaks of emerging infectious diseases. Rolling circle amplification (RCA) is a powerful isothermal amplification strategy that can be directly primed by RNA, eliminating the need for reverse transcription. Previous approaches have used 10–23 DNAzymes to cleave viral RNA, generating 3′‐ends for hybridization to circular DNA templates (CDTs). However, the resulting RNA fragments often retained secondary or tertiary structures that hindered CDT binding and limited RCA efficiency. To address this challenge, we developed antisense oligonucleotide‐assisted RCA (ASO‐RCA), a general strategy that uses short upstream antisense oligonucleotides (ASOs) to remodel RNA structure and expose the CDT‐binding site. Using five DNAzyme‐CDT systems targeting distinct regions of the SARS‐CoV‐2 genome, we show that ASO inclusion improves CDT hybridization and enhances RCA output—by up to 70‐fold. This enhancement was observed using both linear and quasi‐exponential RCA formats and remained effective in 50% pooled saliva. When applied to clinical saliva samples, ASO‐assisted RCA markedly improved diagnostic performance, achieving 100% sensitivity and up to 97.5%–100% accuracy across multiple systems. These findings establish ASO‐DNAzyme‐RCA as a simple, robust, and clinically relevant platform for improving nucleic acid detection in structured RNA targets.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».