在低患病率下识别SARS-CoV-2的综合测试策略
Leon Mutesa1,2, Pacifique Ndishimye2,3, Yvan Butera1,2
1Centre for Human Genetics, College of Medicine and Health Sciences, University of Rwanda, Kigali, Rwanda.
Nature
|October 21, 2020
概括
这项研究介绍了一种基于超立方体的算法,用于汇集SARS-CoV-2 (严重急性呼吸综合征冠状病毒2) 样本,以降低测试成本. 该方法使用较少的测试和试验来准确识别受感染的个体,即使样本稀释量很大.
科学领域:
- 传染病流行病学
- 诊断技术
- 生物信息学
背景情况:
- 严重急性呼吸道综合征冠状病毒2 (SARS-CoV-2) 的有效控制依赖于快速识别和隔离感染者.
- 目前的逆转录聚合酶连锁反应 (RT-PCR) 测试准确但昂贵,对广泛实施构成挑战,特别是在低至中等收入国家.
- 样本组合可以降低成本,但必须平衡组大小和测试灵敏度,以避免由于样本稀释而导致的假阴性结果.
研究的目的:
- 提出一种新的SARS-CoV-2亚样本汇集算法,以减少大规模测试成本和时间.
- 准确识别感染者,使用较少的测试和检查,特别是在低患病率的情况下.
- 调查最佳的群体规模和平行搜索策略,以进行高效的群体测试.
主要方法:
- 基于超立方几何学的样本聚合算法的开发.
- 概念验证实验证明了稀释的正子样本的检测.
- 由于稀释而导致的敏感性损失的量化和缓解策略的探索,如重复测试.
主要成果:
- 提出的基于超立方体的聚合算法准确地识别了 SARS-CoV-2 感染的个体,使用较少的测试和循环.
- 概念验证实验成功检测出被稀释多达100倍的阳性亚样,超过了之前的研究.
- 在卢旺达和南非进行的实地试验中,成本降低显著,特别是在低患病率的情况下.
结论:
- 使用超立方体算法的大规模群体测试为控制COVID-19提供了有希望的,具有成本效益的策略.
- 这种方法有助于持续监测和快速隔离感染者.
- 这种方法有可能大大降低针对传染病的大规模检测的成本.


