Investigating the degradation kinetics of SARS-CoV-2 Viral RNA in wastewater
Bibliographic record
Abstract
La surveillance des eaux usées (SEU) est largement reconnue pour le suivi du SARS-CoV-2 et d'autres agents infectieux dans les communautés. Ainsi, comprendre la dégradation microbienne est essentiel pour modéliser avec précision les réseaux d’égouts et optimiser la récupération des données dans les programmes de surveillance. Lors d’un projet antérieur, notre groupe a observé que le séquençage par amplicons en tuilage du génome pour l’identification des variants du SARS-CoV-2 à partir des eaux usées permettait de détecter davantage de variants lorsque les échantillons étaient prélevés au sein même du réseau d’égouts (c’est-à-dire à proximité du point d’émission) que lorsqu’ils étaient prélevés à l’entrée des stations d’épuration (STEP). Nous avons réanalysé les données de séquençage historiques collectées entre 2021 et 2022 à partir d’échantillons issus de différentes STEP. La profondeur de séquençage était systématiquement plus faible à l’extrémité 5’ qu’à l’extrémité 3’, ce qui est cohérent avec le choix mondial des cibles du gène N pour la SEU. De plus, la profondeur de séquençage moyenne relative à proximité de l’extrémité 5’ augmentait à mesure que la taille des municipalités diminuait, et entre l’été et l’hiver, suggérant une dégradation plus marquée de l’ARN dans les réseaux d’égouts plus vastes, avec des temps de rétention plus longs et des températures plus élevées. Ces observations ont conduit à l’hypothèse que les sites génomiques présentent une sensibilité variable à la dégradation. Il a également été postulé que l’évaluation des niveaux différentiels de dégradation à travers le génome pourrait fournir des informations clés permettant d’estimer rétrospectivement le niveau d’excrétion virale. Les études précédentes sur la dégradation du SARS-CoV-2 dans les eaux usées se sont limitées aux gènes N et E, situés près de l’extrémité 3’, sans étudier en profondeur les caractéristiques de la dégradation sur l’ensemble du génome. Notre étude visait à caractériser la cinétique de dégradation de différents sites du génome du SARS-CoV-2 à partir d’une expérience en microcosme en laboratoire, avec des cibles RT-qPCR variées. Dans cette expérience, des eaux usées brutes et des témoins abiotiques ont été enrichis en matières fécales positives au COVID-19 et incubés pendant huit semaines à 7 °C, 14 °C et 22 °C. Nous avons quantifié le gène N (extrémité 3’), le gène Orf1b (au centre) et le gène Orf1a (près de l’extrémité 5’) pour estimer leur dégradation. En supposant une cinétique de dégradation d’ordre un, toutes les cibles ont présenté des taux de dégradation et des constantes de sensibilité thermique comparables. Toutefois, les témoins abiotiques (eaux usées autoclavées ou inactivées par l’azide de sodium) et les différentes méthodes d’extraction (concentration par billes magnétiques et extraction automatisée via miQron [Galenvs Sciences] comparées à la filtration et l’extraction AllPrep PowerViral DNA/RNA [Qiagen]) ont donné lieu à des constantes plus élevées, suggérant que l’association aux solides floculés présents dans les eaux usées brutes réduit la dynamique apparente de dégradation
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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".