Inhaltsverzeichnis:

Abwassertestroboter verarbeiten Abwasser schneller, um COVID-19-Ausbrüche früher vorherzusagen
Abwassertestroboter verarbeiten Abwasser schneller, um COVID-19-Ausbrüche früher vorherzusagen
Anonim
Das Gesprächslogo

Smruthi Karthikeyan, University of California San Diego und Rob Knight, University of California San Diego

Der Research Brief ist eine Kurzfassung über interessante wissenschaftliche Arbeiten.

Die große Idee

Durch den Einsatz eines Abwasserhandhabungsroboters konnte unser Labor das Coronavirus im Abwasser 30-mal schneller nachweisen als nicht automatisierte Großsysteme. Dieser im Mikrobiologie-Journal mSystems veröffentlichte Fortschritt bietet Gemeinden noch mehr Vorlaufzeit, um ihr Abwasser zu überwachen, um frühzeitig vor lokalen COVID-19-Fällen zu warnen.

Als klinische Studien auftauchten, die zeigten, dass Menschen, die positiv auf SARS-CoV-2 getestet wurden, das Virus mit ihrem Stuhl ausscheiden, schien die Kanalisation ein naheliegender Ort zu sein, um danach zu suchen. Die Abwasserüberwachung kann auf Gemeindeebene eingesetzt werden, um potenzielle Ausbruchscluster vor der klinischen Diagnose zu erkennen, insbesondere in Gebieten, in denen die COVID-19-Prävalenzraten die Testraten bei weitem übersteigen.

Das Problem ist, dass das Virus im Abfallstrom stark verdünnt wird, weil die Badezimmer vieler Menschen darin abfließen, ganz zu schweigen von all dem anderen Müll, den sie spülen. Die Überwachung hängt von der Konzentration der Viruspartikel aus dem Abwasser ab, um diese niedrigen Werte zu erkennen. Dieser Schritt der Viruskonzentration ist in der Regel der größte Engpass bei Abwasseranalysen, da er mühsam und zeitaufwändig ist. Unser Robotersystem geht einen anderen, schnelleren Weg.

Luftaufnahme der Kläranlage Point Loma
Behandschuhte Forscher öffnen einen Autosampler, um eine Flasche Flüssigkeit zu entnehmen
Forscher sammeln im Laufe des Tages einen Liter Abwasser aus einer Abwasserleitung, die mit einem Gebäude der UC San Diego verbunden ist. CH. Scheichzadeh, CC BY-ND

Wie wir das machen

Wir sammeln Abwasser von Autosamplern der Hauptkläranlage von San Diego sowie von denen, die wir an über 100 Mannlöchern auf dem Campus der University of California, San Diego, installiert haben, die den ganzen Tag über alle 30 Minuten Abwasserproben sammeln.

Dann, zurück im Labor, verwenden wir anstelle von mehreren Filterschritten winzige magnetische Kügelchen, um die Viruspartikel anzureichern. Wir kaufen diese nanomagnetischen Beads, die so konzipiert sind, dass sie an eine Vielzahl von Atemwegsviren binden. Der Roboter zur Abwasserbehandlung ist mit einem speziellen Magnetkopf ausgestattet, der die magnetischen Perlen mit daran befestigten Viren festhält. Es fischt vorzugsweise Viruspartikel heraus und lässt den Rest des Mülls in der Abwasserprobe zurück.

Durch die Verwendung eines Roboters zur Automatisierung des Abwasserkonzentrationsprozesses können wir 24 Proben in 40 Minuten für jeden Roboter konzentrieren. Dann kann derselbe Roboter die virale RNA extrahieren und 96 Proben in 36 Minuten verarbeiten. Schließlich verwenden wir eine Polymerase-Kettenreaktion, um nach den Signaturgenen von SARS-CoV-2 zu suchen, ähnlich einem klinischen Diagnosetest, den ein Labor mit dem Nasenabstrich eines Patienten durchführen würde.

Insgesamt kann unser System 96 Proben in 4,5 Stunden verarbeiten, was die Zeit von der Probe bis zum Ergebnis drastisch verkürzt.

Was kommt als nächstes

Bisher ist unsere Studie die einzige uns bekannte Coronavirus-Abwasserstudie, die einen automatisierten Prozess verwendet.

Wir verwenden diese Technik als Teil unserer groß angelegten Abwasserüberwachung auf dem Campus und beproben täglich an über 100 Standorten. Die Schulbezirke von San Diego verwenden es auch als Frühwarnsystem.

Wir verwenden jetzt den Teil der viralen Genomsequenzierung unseres Systems, um das Auftreten neuer SARS-CoV-2-Varianten zu verfolgen.

[Über 100.000 Leser verlassen sich auf den Newsletter von The Conversation, um die Welt zu verstehen. Heute anmelden.]

Die Unterhaltung

Smruthi Karthikeyan, Postdoctoral Research Associate in Pediatrics, University of California San Diego und Rob Knight, Professor für Pädiatrie und Computer Science and Engineering, University of California San Diego

Beliebt nach Thema