Validating digital polymerase chain reaction for 16S rRNA gene amplification from low biomass environmental samples
Notice bibliographique
Résumé
Abstract Digital polymerase chain reaction (dPCR) is a DNA quantification technology that offers absolute quantification of DNA templates. In this study, we optimized and validated a chip-based dPCR EvaGreen assay with commonly used 16S rRNA gene primer pairs and compared its performance to quantitative real-time PCR (qPCR). We compared measurements of low amounts of template DNA using a newly designed synthetic DNA standard to assess precision, accuracy, and sensitivity. Optimization approaches were tested to minimize partitions with intermediate fluorescence levels between true positive and true negative partitions (so-called “rain”) for dPCR. Both dPCR and qPCR demonstrated similar quantification performance, with variability in accuracy increasing for samples containing fewer than 30 copies μl−1 template concentrations. Both tested 16S rRNA gene primer sets amplified non-target template contaminants within both qPCR and dPCR mixtures, which could not be eliminated by ultraviolet light or DNAse treatment and negatively affected the apparent sensitivity of both PCR assays. Digital PCR was less susceptible to common PCR inhibitors, such as ethanol and humic acids, but was more susceptible to tannic acid inhibition than qPCR. These findings demonstrate the suitability of dPCR for 16S rRNA gene quantification of low biomass environmental samples.
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 | 0,006 | 0,011 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».