Sequencing and variant calling of SARS-CoV-2 from floor swabs: a potential tool for identifying emergent lineages
Notice bibliographique
Résumé
Ongoing viral evolution is a key driver of global pandemics, such as COVID-19, contributing to the repeated emergence and spread of new variants of concern. Identifying emerging viral variants is crucial for controlling the spread of infection; however, patient testing is not always feasible, and clinical samples are not routinely sequenced. As a result, new approaches, such as environmental-based surveillance, are needed for monitoring genetic diversity. Floor swabs provide greater spatial resolution than other environmental sampling approaches, but pose challenges for genomic analyses due to microbial RNA/DNA yields. We investigate the potential of obtaining whole-genome diversity data from floor swab samples to detect circulating lineages of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Floor swabs (n=23) were collected and sequenced from public locations in Ottawa, Canada, during December 2022, and were compared with contemporaneous human samples. Low biomass recovery remained a challenge, as approximately half of the swabs did not yield sufficient genetic material for analysis. The most commonly identified lineages from the floor swabs were XBB, while B (12.5%) and BA (12.5%) lineages appeared less frequently. In contrast, swab results from humans most often identified BQ (49.3%), BA (23.8%) and BF (17.8%), with XBB detected at a lower prevalence (2.7%). XBB became the dominant lineage in the region in the month following floor swab collection, suggesting that floor swabs may offer early signals of emerging outbreaks in comparison with hospital-based clinical sampling. This may suggest a role for floor swabs in outbreak prediction; however, larger studies are needed to validate this approach.
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 ».