Amélioration des services de génomiques et de surveillance du virus du syndrome reproducteur et respiratoire porcin
Bibliographic record
Abstract
Le virus du syndrome reproducteur et respiratoire porcin (VSRRP) est un pathogène important, entrainant des pertes économiques de 130 millions de dollars annuellement au Canada. La surveillance est effectuée par séquençage Sanger du gène ORF5 mais nous croyons que le séquençage du génome entier (SGE) du VSRRP permettrait une meilleure surveillance épidémiologique comparé au séquençage du gène ORF5. Pour développer une méthode efficace de SGE du VSRRP, 149 échantillons (sérums, poumons, tissus, autres) d’animaux malades ou récoltés pour fin de surveillance ont été analysés. L'ARN viral a été concentré par enrichissement d'ARN à queue poly (A) et le séquençage effectué sur une plateforme Illumina. Le SGE a été efficace dans 67,11% des échantillons, réussissant dans certains échantillons de poumons et de sérums possédant une valeur de quantification (Cq) du virus par RTqPCR jusqu’à 26,50 et 34.13, respectivement. La méthodologie développée de SGE du VSRRP a été 4650 fois plus sensible que les méthodes décrites précédemment. Pour quantifier l’impact du SGE, 88 échantillons (dont le SGE a réussi) ont été utilisés pour comparer le SGE au séquençageORF5. Deux génomes de VSRRP différents ont été trouvés dans quatre échantillons différents (taux de coinfection de 4,55%). Six génomes de VSRRP (6,52% des souches) ont été classés différemment par rapport à la classification ORF5. Ainsi, le SGE du VSRRP a permis une meilleure caractérisation de 9,10% des échantillons VSRRP positifs comparé au séquençage ORF5. Donc, le SGE du VSRRP est à la fois sensible et plus précis que la classification par l’ORF5.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".