通过将一个简单而直接的基于qPCR的协议与已建立的机器学习算法相结合,加强SARS-CoV-2血统监测
Cleber Furtado Aksenen1,2, Debora Maria Almeida Ferreira1,3, Pedro Miguel Carneiro Jeronimo1,2
1Department of Biotechnology, Oswaldo Cruz Foundation, Eusébio 61773-270, Brazil.
Analytical chemistry
|November 4, 2024
概括
一种新的定量聚合酶连锁反应 (qPCR) 试验能够有效地检测SARS-CoV-2的血统,如BQ.1. 这种具有成本效益的方法补充了基因组测序,以快速监测变种,特别是在资源有限的地区.
科学领域:
- * 分子生物学 * 分子生物学
- * 病毒学 病毒学
- * 生物信息学是一门学科.
背景情况:
- * 新兴的严重急性呼吸系统综合征冠状病毒2 (SARS-CoV-2) 血统构成了全球公共卫生挑战.
- *基因组监测对于跟踪病毒演变和告知公共卫生反应至关重要.
- *如下一代测序 (NGS) 等现有方法可能昂贵且耗时.
研究的目的:
- * 为快速识别SARS-CoV-2血统开发一种具有成本效益和可扩展的基于量化聚合酶链反应 (qPCR) 的试验.
- * 为了补充现有的基因组测序方法,以加强分子监测.
- * 根据既有测序技术和机器学习模型验证试验的性能.
主要方法:
- *从ARTIC v4.1安普利康面板中调整了原始剂,用于间隔基于染料的qPCR检测大分子模式.
- * 验证与特定的ORF7a基因删除相关的特定的开放阅读框架7a (ORF7a)
- 在BE.9中,它被定义为:
- 使用凝电泳的血统.
- *对qPCR结果与NGS对谱系分配的预测进行比较分析.
- * 机器学习模型的训练和评估,包括支持矢量机 (SVM),使用qPCR化曲线数据.
主要成果:
- * qPCR试验在区分方面表现出高准确度.
- 在BE.9中,它被定义为:
- 和和和和和和和和.
- 其他非BE.9 .
- (包括BQ.1) 的SARS-CoV-2血统.
- * 对NGS的验证显示93.3%的灵敏度,95.1%的特异性和92.4%的一致性 (科恩的卡帕).
- * 一个经过训练的SVM模型在基于qPCR化曲线的基因谱分配中达到约96.52%的准确性.
结论:
- *开发的qPCR试验为SARS-CoV-2亚系监测提供了一个经济有效,可扩展和快速的替代方案.
- *这种综合方法将qPCR与机器学习相结合,增强分子监控能力,特别是在资源有限的环境中.
- *该方法可适应追踪各种病原体中的其他关键分子特征,帮助全球流行病控制工作.
