Development of a high-sensitivity and short-duration fluorescence in situ hybridization method for viral mRNA detection in HEK 293T cells
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is an extremely contagious illness caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Early disease recognition of COVID-19 is crucial not only for prompt diagnosis and treatment of the patients, but also for effective public health surveillance and response. The reverse transcription-polymerase chain reaction (RT-PCR) is the most common method for the detection of SARS-CoV-2 viral mRNA and is regarded as the gold standard test for COVID-19. However, this test and those for antibodies (IgM and IgG) and antigens have certain limitations (e.g., by yielding false-negative and false-positive results). We have developed an RNA fluorescence in situ hybridization (FISH) method for high-sensitivity detection of SARS-CoV-2 mRNAs in HEK 293T cell cultures as a model. After transfection of HEK 293T cells with plasmids, Spike (S)/envelope (E) proteins and their mRNAs were clearly detected inside the cells. In addition, hybridization time could be reduced to 2 hours for faster detection when probe concentration was increased. Our approach might thus significantly improve the sensitivity and specificity of SARS-CoV-2 detection and be widely applied for the high-sensitivity single-molecular detection of other RNA viruses (e.g., Middle East respiratory syndrome coronavirus (MERS-CoV), Hepatitis A virus, all influenza viruses, and human immunodeficiency virus (HIV)) in various types of samples including tissue, body fluid, blood, and water. RNA FISH can also be utilized for the detection of DNA viruses (e.g., Monkeypox virus, human papillomavirus (HPV), and cytomegalovirus (CMV)) by detection of their mRNAs inside cells or body fluid.
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 | 0,000 |
| 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 ».