Passive sampling for genomic surveillance of SARS-CoV-2 in wastewater resource recovery facility: Insights for pandemic preparedness
Notice bibliographique
Résumé
Passive sampling provides a cost-effective alternative to conventional auto-sampling and serves as a valuable approach for wastewater surveillance in resource-limited settings. However, the feasibility of passive sampling for SARS-CoV-2 wastewater genomic surveillance (WWGS) remains underexplored in wastewater resource recovery facility (WWRF). In this study, we collected influent wastewater samples using an autosampler, COSCa-ball and Torpedo passive samplers from inlet of WWRF serving the city of Ottawa, Canada. We enriched, extracted, quantified, and sequenced samples targeting SARS-CoV-2 genome using a widely used ARTIC tiled amplicon approach. Our findings show that daily SARS-CoV-2 RNA levels were similar (p > 0.05) across the sampling methods. Although similar viral RNA was captured from passive samples, we found genomic recovery of SARS-CoV-2 from passive samplers was influenced by targeted sequencing read length, with shorter (300 bp) reads resulting in lower recovery than longer (600 bp) reads. Our study confirmed near-complete recovery of SARS-CoV-2 genomes (≥ 90 %) from the autosampler, COSCa-ball, and Torpedo samplers using longer reads. Genome sequencing parameters such as the number of raw reads, trimmed reads, mapped reads, depth of coverage and % of genome coverage was identical (p > 0.05) among the sampling methods. Genomic analyses showed similar (p > 0.05) single nucleotide variant profiles (SNV) and lineage prevalence across sampling methods, and concordance with the available clinical surveillance. Overall, the findings suggest that passive sampling of wastewater is a viable, cost-effective alternative for population-scale genomic surveillance of SARS-CoV-2 and may allow for surveillance of other pathogens, supporting future pandemic preparedness efforts.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».