Assessment and Performance of Pooled Serum Samples for Monitoring Farm-Level Immunity in Tilapia Infected with Tilapia Lake Virus
Notice bibliographique
Résumé
Effective surveillance of viral disease in fish populations is critical for disease control and the sustainable development of global aquaculture. Here, we evaluated the application and performance of pooled serum samples using an indirect ELISA based on recombinant segment 4 protein to assess farm-level immunity in tilapia infected with Tilapia lake virus (TiLV). The TiLV-S4 ELISA was developed using a recombinant nucleoprotein (segment 4) antigen, optimized through checkerboard titration, and validated for repeatability and reproducibility, with intra- and inter-assay coefficients of variation below 10%. A pooling strategy was used to combine multiple serum samples before testing for the presence of TiLV-specific antibodies using an enzyme-linked immunosorbent assay (ELISA). Our results showed that pooling five serum samples was effective for detecting TiLV-specific antibodies, particularly when multiple seropositive individuals were presented in the pool, supporting its application for population-level surveillance. However, ELISA sensitivity may be reduced when only one seropositive sample is included in the pool, due to the dilution effects. Despite this limitation, pooled testing yielded a high proportion of positive results, suggesting similar detection performance in many cases. Overall, the pooling strategy provides a cost-effective and time-efficient approach for large-scale monitoring of immune status in tilapia populations.
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 | 0,000 |
| 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 ».